Edoardo Ghignone
収録論文 17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
- 自律レースにおける継続的RLによる汎化：RoboRacerプラットフォームでの検証継続的RL/自律レース2026/7/1
実世界データのみを用いて、継続的バックプロパゲーションに基づく継続的RLフレームワークを提案し、複数のトラックで汎用的なポリシーを訓練した後、15分以内の微調整で古典的制御器を上回る性能を達成した。
- LocalNav: フロンティアVLMと身体化RLの蒸留によるオンデバイス物体目標ナビゲーションナビゲーション2026/6/1
大規模VLMの空間推論能力を軽量な4BパラメータのローカルVLMに蒸留し、組み込みGPU上で低遅延な物体目標ナビゲーションを実現する手法を提案した。
- 残差クープマン予測制御による車両ダイナミクス向上：少量の走行データ入力で実現モデル予測制御2025/7/1
車両の軌道追従制御において、線形MPCによるベースライン制御とニューラルネットワークベースの残差クープマンMPCによる補償入力を組み合わせるRKMPCフレームワークを提案し、従来のクープマンMPCの20%の学習データで性能を向上させた。
- R-CARLA: 自動運転レース向けの交換可能なダイナミクスを備えた高忠実度センサシミュレーションsim2real2025/6/1
自動運転レース向けに、正確な車両ダイナミクスと高忠実度センサシミュレーションを両立させたCARLA拡張を提案し、実世界データからのデジタルツイン構築によりSim-to-Realギャップを車両動力学で42%、センサで82%削減した。
- M-Predictive Spliner: 自律レースにおける時空間マルチ対戦相手追い越しの実現自律レース2025/6/1
複数の対戦相手の将来意図を考慮し、カルマンフィルタとガウス過程回帰を用いて追い越し軌道を生成する手法を提案し、1/10スケールの自律レースカーで最大91.65%の追い越し成功率を達成した。
- 速く走り、速く学ぶ：高性能自律レースのためのオンボード強化学習強化学習/自律走行2025/5/1
シミュレーション事前学習に頼らず、実機上で直接学習する強化学習フレームワークを提案し、F1TENTHで20分の学習でラップタイムを最大11.5%短縮した。
- Delaunay三角分割に基づく自律レース向けリアクティブ制御自律走行2025/5/1
LiDARからDelaunay三角分割と走路境界セグメンテーションで中心線を抽出し、FTGの罠を回避するリアクティブ制御器DTRを提案。ラップタイムを70%短縮し、地図依存手法に迫る性能を実現した。
- TinyCenterSpeed: 自律レーシング向けの効率的なセンター方式物体検出物体検出2025/4/1
1:10スケールの自律レーシングカー向けに、CenterPointを軽量化したリアルタイム物体検出モデルを提案し、TPU上で7.88msの推論を実現した。
- GPとADMMベースiLQRを用いた自動運転ドリフト制御フレームワーク制御/最適化2025/3/1
ガウス過程回帰でモデル誤差を補償し、ADMMベースのiLQRでリアルタイムに軌道最適化を行う自動ドリフト制御手法を提案し、横方向誤差と計算時間を大幅に削減した。
- RLPP: スケールプラットフォームにおけるゼロショット実世界自動運転レースのための残差手法sim2real2025/1/1
Pure Pursuit制御器に強化学習の残差を組み合わせ、シミュレーションで学習した方策を実世界にゼロショット転移して自動運転レースのラップタイムを改善する手法を提案。
- スケール自律走行レースにおける1分以内の学習ベース走行中システム同定システム同定2024/11/1
ニューラルネットワークによる誤差補正を組み込んだ走行中システム同定手法を提案し、30秒の走行データと3秒の学習でタイヤモデルを高精度に同定できることを示した。
- 予測スプライナー：対戦相手の軌道予測を用いたデータ駆動型自動レースの追い越し自動運転レース2024/10/1
ガウス過程回帰で対戦相手の挙動を学習し、将来のコース区間での追い越し経路を計画する手法を提案。1/10スケールの自動レース車両で従来手法より高速かつ高成功率の追い越しを実現した。
- ForzaETHレーススタック：市販ハードウェアで実現するスケール自律対戦レース自律レース2024/3/1
1:10スケールのF1TENTH向けに、市販の既製ハードウェアだけで動くモジュール式の自律レースソフトウェア基盤を構築し、タイムトライアルと対戦レースの両方で有効性を示した。
- Robustness Evaluation of Localization Techniques for Autonomous Racing2024/1/1
- Assessing the Robustness of LiDAR, Radar and Depth Cameras Against Ill-Reflecting Surfaces in Autonomous Vehicles: An Experimental Study2023/9/1
- Model- and Acceleration-based Pursuit Controller for High-Performance Autonomous Racing2022/9/1
- TC-Driver: Trajectory Conditioned Driving for Robust Autonomous Racing -- A Reinforcement Learning Approach2022/5/1