Bencheng Liao

収録論文 12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

• 適応的視覚言語把持：構成可能な基盤事前知識と汎化可能な把持合成による実現
  マニピュレーション2026/9/3

  本論文は、ロボットハンドの種類に依存せず汎用的に把持を合成できるAdaRoboVLGフレームワークを提案し、物理的把持合成とタスク依存の理解を分離することで、基盤モデルの進歩を直接把持能力の向上に結び付ける手法を示した。

• UniDriveVLA：自動運転のための理解・知覚・行動計画の統合
  自動運転/VLA2026/4/1

  自動運転向けのVLAモデルにおいて、空間知覚と意味推論の競合を解消するため、Mixture-of-Transformersによる専門家分離を導入した統合モデルUniDriveVLAを提案し、nuScenesとBench2Driveで最先端性能を達成した。

• DIVER: 強化学習と拡散モデルで模倣学習の限界を突破するエンドツーエンド自動運転
  自動運転2025/7/1

  拡散モデルによる多様な軌道生成と強化学習による安全性・多様性の誘導を組み合わせ、単一専門家の模倣学習が抱えるモード崩壊を解消するエンドツーエンド自動運転フレームワークを提案した。

• RAD: 大規模3DGSベース強化学習によるエンドツーエンド自動運転ポリシーの学習
  自動運転/強化学習2025/2/1

  3Dガウシアンスプラッティングで構築したフォトリアルな閉ループ環境で強化学習を行い、模倣学習を正則化として併用することで、衝突率を大幅に低減した自動運転ポリシーを学習する手法を提案。

• DiffusionDrive：切り詰め拡散モデルによるエンドツーエンド自動運転
  自動運転2024/11/1

  拡散モデルのノイズ除去ステップを切り詰め、マルチモードアンカーを導入することで、自動運転の行動生成を2ステップで多様かつ高品質にし、リアルタイム速度を実現した。

• Senna: 大規模視覚言語モデルとEnd-to-End自動運転の橋渡し
  自動運転/VLA2024/10/1

  LVLMが自然言語で高レベル計画を立て、End-to-Endモデルが精密な軌道を予測する自動運転システムSennaを提案。DriveX事前学習とnuScenes微調整で計画誤差と衝突率を大幅削減した。

• VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning
  2024/2/1
• MapTRv2: An End-to-End Framework for Online Vectorized HD Map Construction
  2023/8/1
• VAD: Vectorized Scene Representation for Efficient Autonomous Driving
  2023/3/1
• Lane Graph as Path: Continuity-preserving Path-wise Modeling for Online Lane Graph Construction
  2023/3/1
• Perceive, Interact, Predict: Learning Dynamic and Static Clues for End-to-End Motion Prediction
  2022/12/1
• MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction
  2022/8/1