Chengkai Xu
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
- データ・戦略・プラットフォームから見るEnd-to-End自動運転トレーニングのサーベイ自動運転2026/10/1
End-to-End自動運転の学習手法とエコシステムを、データ・戦略・プラットフォームの3層タクソノミーで整理し、最近の研究動向と今後の展望をまとめたサーベイ。
- DriveHierarchy: VLM自動運転能力を開放ループ理解から閉ループ実行まで診断するベンチマークVLA2026/9/25
VLMベース自動運転を「知覚的接地・文脈記憶・心的推論・閉ループ実行」の4階層で評価する統一ベンチマークを構築し、15モデルの能力構造と開放ループ理解と閉ループ運転の関係を分析した。
- 評価を進化へ：自動運転のための敵対的拡散を閉ループカリキュラムに変換する自動運転/安全性評価2026/4/1
自動運転車の安全性評価を、静的データセットに依存する従来の開ループ手法から、敵対的シナリオ生成を進化的カリキュラムとして組み込んだ閉ループフレームワークE^2を提案し、衝突発見率とロバスト性を向上させた。
- VP-AutoTest: 仮想・実機融合型自動運転テストプラットフォーム自動運転テスト2025/12/1
仮想と実機の要素を組み合わせ、単車・複数車協調の敵対的テストや並列推論、多次元評価とAI診断を可能にする自動運転テストプラットフォームを提案した。
- 専門家ルーティングに基づく知識駆動型拡散ポリシーによるエンドツーエンド自動運転自動運転2025/9/1
拡散モデルとスパースな専門家混合ルーティングを組み合わせ、多様な運転シーンで適応的かつ解釈可能な行動を生成するエンドツーエンド自動運転ポリシーKDPを提案。
- LeAD: LLM拡張計画とEnd-to-End自動運転の融合システム自動運転2025/7/1
高頻度のEnd-to-End自動運転と低頻度のLLM推論を組み合わせ、複雑な都市交通シナリオでの意思決定を改善するデュアルレートアーキテクチャを提案。CARLAで従来を上回る性能を示した。
- 対抗強度を調整可能な自動運転車のインタラクティブ敵対的テスト自動運転テスト2025/7/1
周囲車両を強化学習で知的試験官としてモデル化し、対抗強度を連続調整できる自動運転の敵対的テストフレームワークExamPPOを提案した。
- 人間中心の自動運転に向けて：大規模言語モデルによるガイダンスと強化学習を統合した高速・低速アーキテクチャ自動運転2025/5/1
LLMがユーザーの指示を解釈して高レベルなガイダンスを生成し、強化学習エージェントがリアルタイム制御を行う「高速・低速」意思決定フレームワークを提案。衝突率を低減しつつ、ユーザーの好みに沿った運転を実現する。
- 対話と指示で改善する：自動運転車の相互理解を促すLLM駆動型並列Actor-Reasonerフレームワーク自動運転インタラクション2025/3/1
LLMを用いて自動運転車と人間運転車の双方向インタラクションを実現するため、推論役(Reasoner)と記憶データベース(Actor)を並列に組み合わせたフレームワークを提案し、安全性と効率を向上させた。
- TeLL-Drive: 教示LLMが導く深層強化学習による自動運転の強化自動運転/強化学習/LLM2025/2/1
教示LLMが生成した高レベル運転戦略を注意機構で強化学習エージェントに融合し、自動運転の意思決定を高成功率・高堅牢・リアルタイム化したハイブリッド枠組みを提案。
- 言語駆動型方策蒸留によるマルチエージェント強化学習の協調運転VLA2024/10/1
LLMを教師エージェントとして用い、その意思決定を小規模な生徒エージェントに蒸留することで、協調運転タスクにおけるMARLの学習効率と性能を向上させる手法を提案した。
- 安全で堅牢な自動運転車両プラトゥーニングに向けて：自己組織化協調制御フレームワーク群制御2024/8/1
人間運転車と自動運転車が混在する環境で、深層強化学習とモデル駆動型手法を統合した協調意思決定フレームワークTriCoDを提案し、プラトゥーニングの安全性・堅牢性・柔軟性を向上させた。