Ahmed Abouelazm
収録論文 11本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 初期シーンから安全クリティカルなシナリオを生成する手法シナリオ生成2026/9/17
拡散モデルと強化学習を組み合わせ、現実的な初期シーンから衝突などの危険な相互作用が発生しやすい状況を生成する手法を提案。
- スカラー報酬を超えて：安全で信頼性の高い自動運転のための事前順序付き目的を持つ分布強化学習自動運転/強化学習2026/3/1
複数の競合する目的（安全性、効率性、快適性）を扱うため、報酬成分に事前順序を導入したPr-MOMDPと、分布を単一統計量に縮約せず比較するQuantile Dominance指標を提案し、自動運転タスクで安全性と成功率を向上させた。
- シミュレーションと使いやすさの橋渡し：CARLAにおけるユーザーフレンドリーなシナリオ生成フレームワーク自動運転シミュレーション2025/7/1
CARLA向けに、プログラミング知識がなくてもGUIで自動運転の交通シナリオを作成・編集・実行できるノーコードのフレームワークを提案した。
- 自動運転のための多様で適応的な行動カリキュラム：マルチエージェント強化学習による生徒-教師フレームワーク自動運転/マルチエージェントRL2025/7/1
マルチエージェント強化学習の教師が多様な交通行動を生成し、生徒の性能に応じて難易度を適応的に調整するカリキュラム学習で、自動運転エージェントを訓練した研究。
- TPK: 解釈性と運動学的実現可能性のための事前知識を統合した信頼できる軌道予測軌道予測2025/5/1
自動運転の軌道予測において、車両・歩行者・自転車の各エージェントクラスに特化した相互作用と運動学の事前知識を組み込み、解釈性と物理的実現可能性を向上させる手法を提案。
- 自動カリキュラム学習による運転シナリオ生成：堅牢で効率的な強化学習に向けて自動運転/強化学習2025/5/1
エージェントの能力に応じて難易度を自動調整する運転シナリオを生成するカリキュラム学習フレームワークを提案し、強化学習による自動運転エージェントの汎化性能と訓練効率を向上させた。
- 境界誘導による軌道予測：道路認識と物理的実現可能性を両立する自動運転軌道予測2025/5/1
走行可能な方向とその境界を制約として軌道予測を回帰問題として定式化し、道路外予測を防ぎつつ運動学的制約を満たす手法を提案した。
- 進歩と安全の両立：自動運転の強化学習におけるリスク認識型報酬設計自動運転/強化学習2025/5/1
自動運転の強化学習において、衝突前のリスクを考慮した二次元楕円体関数とRSS拡張に基づく新しいリスク認識型報酬を提案し、無信号交差点で衝突率を21%削減しつつ経路進捗も改善した。
- 自動運転における強化学習のための報酬関数レビュー自動運転2024/5/1
自動運転の強化学習で用いられる報酬関数の既存研究を整理し、安全性・快適性・進捗・交通ルール遵守の観点から分類・課題を議論したレビュー論文。
- Informed Reinforcement Learning for Situation-Aware Traffic Rule Exceptions2024/2/1
- KI-PMF: Knowledge Integrated Plausible Motion Forecasting2023/10/1