Ehsan Ahmadi

収録論文 6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

• RLFTSim: 強化学習による微調整で実現する現実的かつ制御可能なマルチエージェント交通シミュレーション
  交通シミュレーション2026/5/1

  交通シミュレーションモデルを強化学習で微調整し、実データ分布に合わせてロールアウトの現実性を高めるとともに、目標条件付きの制御可能性を蒸留する手法を提案した。

• 建設現場における記憶駆動型LLMエージェントによる解釈可能な歩行予測
  歩行予測2025/4/1

  建設現場での外骨格支援に向け、音声と視覚入力を用いたLLMエージェントに短期・長期記憶を組み合わせ、歩行モードを高精度かつ信頼性高く予測する手法を提案した。

• CAPS: 自動運転の模倣学習を強化する文脈認識型優先サンプリング
  模倣学習2025/3/1

  VQ-VAEでデータをクラスタリングし、希少な重要サンプルを優先的に学習させることで、自動運転の模倣学習におけるデータ効率と汎化性能を向上させる手法を提案。

• 自動運転の運動計画のためのSMARTS 2.0シミュレータとベンチマーク
  運動計画2025/2/1

  自動運転の運動計画アルゴリズムを評価するための高機能シミュレータSMARTS 2.0と、交差点での対話運転や適応運転を含む難易度の高いベンチマークを提案し、一般的な計画アルゴリズムを評価した。

• 注意を制御せよ：自動運転における堅牢な軌道予測のための因果的注意ゲーティング
  軌道予測2024/10/1

  自動運転の軌道予測において、非因果的なエージェントからの摂動に頑健にするため、因果発見ネットワークと因果的注意ゲーティングを組み合わせたモデルCRiTICを提案し、最大54%の堅牢性向上と29%のドメイン汎化性能向上を達成した。

• AMEND: 長尾軌道予測のための専門家混合フレームワーク
  軌道予測2024/2/1

  歩行者の軌道予測における長尾問題に対処するため、データの各部分に特化した専門家を組み合わせるモジュール型のMixture of Expertsフレームワークを提案し、長尾シナリオでの性能を向上させた。