Andreas Geiger
収録論文 33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
- PRISM: 特権的確率的潜在監督によるエンドツーエンド自動運転の運動計画自動運転2026/8/1
エンドツーエンド自動運転モデルの中間潜在表現を、将来のグラウンドトゥルース経路で確率的に監督するフレームワークを提案し、計画精度と衝突率を改善した。
- NextMotionQA: 視覚言語モデルによる人間動作理解のベンチマークと評価動作理解/ベンチマーク2026/6/3
人間の動作理解を評価するための新しいベンチマークNextMotionQAを導入し、複数のタスクと難易度レベルで12の視覚言語モデルを評価して、その能力の限界を明らかにした。
- ワールドエンジン：自動運転におけるポストトレーニング時代に向けて自動運転2026/6/1
実世界のログから高忠実度のインタラクティブ環境を再構築し、安全上重要な長尾シナリオを合成的に生成して、事前学習済みの自動運転モデルを強化学習でポストトレーニングする枠組みを提案。これにより、実世界のリスクを回避しつつ安全性を向上させる。
- 123D: 大規模マルチモーダル自動運転データの統合自動運転データ統合2026/5/1
自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。
- Fail2Drive: クローズドループ運転の汎化性能を評価するベンチマーク自動運転/ベンチマーク2026/4/1
CARLAシミュレータ上で、分布シフトに対するクローズドループ自動運転の汎化性能を評価する初のペアルートベンチマークを提案し、既存モデルの成功率が平均22.8%低下することを示した。
- LEAD: エンドツーエンド運転における学習者と専門家の非対称性の最小化自動運転/模倣学習2025/12/1
自動運転の模倣学習において、特権的な専門家デモとセンサベースの学生観測の不一致を分析し、そのギャップを埋める介入によりCARLAベンチマークで最先端性能を達成した研究。
- PlanT 2.0：閉ループ自動運転におけるバイアスと構造的欠陥の解明自動運転計画2025/11/1
自動運転研究用の軽量な物体中心型計画トランスフォーマーPlanT 2.0を提案し、入力摂動による系統的な失敗分析を通じてデータセットのバイアスやショートカット学習を明らかにした。
- 自動運転のための疑似シミュレーション評価自動運転評価2025/6/1
3Dガウススプラッティングで生成した合成観測を実データに付加し、閉ループに近い相関で自動運転を評価する疑似シミュレーション手法を提案。
- ReSim: 自動運転のための信頼性の高い世界シミュレーションsim2real2025/6/1
実世界の運転データにシミュレータ由来の非専門家データを加え、危険な行動も含む多様な運転シナリオを制御可能に生成する世界モデルを構築し、報酬推定モジュールと組み合わせて政策評価性能を向上させた。
- 単視点メッシュ再構成はロボティクスに使えるか？sim2real2025/5/1
単視点の3Dメッシュ再構成手法をロボットマニピュレーション向けの物理シミュレーションに使えるか評価し、既存手法がロボット特有の要件を満たせないことを示した。
- CaRL: 単純な報酬でスケーラブルな計画ポリシーを学習する自動運転/強化学習/計画2025/4/1
自動運転の計画タスクにおいて、経路完了という単一の直感的な報酬を主に最適化する新しい報酬設計を提案し、PPOを大規模ミニバッチで効率的にスケールさせることで、CARLAとnuPlanで優れた性能を達成した。
- Centaur: テスト時訓練による堅牢なエンドツーエンド自動運転自動運転2025/3/1
テスト時訓練でプランナーの不確実性を最小化し、手設計のルールやコスト関数に頼らずに自動運転の安全性を向上させる手法を提案。
- エンドツーエンド自動運転データセットに潜むバイアス自動運転2024/12/1
CARLA Leaderboard 2.0向けのエンドツーエンド自動運転において、アーキテクチャではなく訓練データセットを体系的に分析し、専門家の運転スタイルやフレーム選択基準の重要性を明らかにした。
- HUGSIM：自動運転のためのリアルタイム・フォトリアル・閉ループシミュレータ自動運転シミュレーション2024/12/1
3Dガウシアンスプラッティングで2D画像を3D空間に持ち上げ、自動運転アルゴリズムを評価するためのリアルタイムでフォトリアルな閉ループシミュレータを構築した。
- EMPERROR: 自動運転プランナーを検証するための柔軟な生成的知覚誤差モデル自動運転2024/11/1
Transformerベースの生成的知覚誤差モデルを提案し、模倣学習ベースの自動運転プランナーをストレステストして、衝突率を最大85%増加させる現実的なノイズ入力を生成できることを示した。
- NAVSIM: データ駆動型非反応的自動運転シミュレーションとベンチマーク自動運転ベンチマーク2024/6/1
大規模データセットと非反応的シミュレータを組み合わせ、実世界に近い大規模ベンチマークを可能にする評価手法NAVSIMを提案。CVPR 2024コンペで143チームが参加し、新たな知見を得た。
- ロボットビンピッキングのための6自由度把持の効率的なエンドツーエンド検出マニピュレーション2024/5/1
パワースフェリカル分布に基づく把持分布モデルを導入し、単一の上面深度画像から多様な衝突のない6自由度把持を生成する手法を提案。シミュレーションと実機で約90%の物体除去率を達成した。
- SLEDGE: 生成モデルとルールベース交通流による走行環境の合成自動運転シミュレーション2024/3/1
実走行ログから学習した生成モデルでエージェントと車線グラフを生成し、ルールベース交通シミュレーションと組み合わせて大規模な走行環境を合成するシミュレータを提案。
- On Offline Evaluation of 3D Object Detection for Autonomous Driving2023/8/1
- Parting with Misconceptions about Learning-based Vehicle Motion Planning2023/6/1
- End-to-end Autonomous Driving: Challenges and Frontiers2023/6/1
- Hidden Biases of End-to-End Driving Models2023/6/1
- PlanT: Explainable Planning Transformers via Object-Level Representations2022/10/1
- TransFuser: Imitation with Transformer-Based Sensor Fusion for Autonomous Driving2022/5/1
- KING: Generating Safety-Critical Driving Scenarios for Robust Imitation via Kinematics Gradients2022/4/1
- NEAT: Neural Attention Fields for End-to-End Autonomous Driving2021/9/1
- Multi-Modal Fusion Transformer for End-to-End Autonomous Driving2021/4/1
- Label Efficient Visual Abstractions for Autonomous Driving2020/5/1
- Robust Dense Mapping for Large-Scale Dynamic Environments2019/5/1
- Real-Time Dense Mapping for Self-driving Vehicles using Fisheye Cameras2018/9/1
- Project AutoVision: Localization and 3D Scene Perception for an Autonomous Vehicle with a Multi-Camera System2018/9/1
- Conditional Affordance Learning for Driving in Urban Environments2018/6/1
- Computer Vision for Autonomous Vehicles: Problems, Datasets and State of the Art2017/4/1