Jose M. Alvarez
収録論文 13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
- 大規模離散方策：確率的反復スコアリングによる明示的行動モデリングの進展行動生成2026/9/7
行動方策を離散的な候補選択としてモデル化し、確率的な反復スコアリングで表現力を高める新しいフレームワークを提案。自動運転やロボット操作で連続生成モデルに匹敵する性能を示した。
- DriveJudge: 視覚言語モデルによる自動運転評価の再考自動運転評価2026/6/1
自動運転の評価を、ルールベースの物理的根拠と視覚言語モデルの文脈理解を組み合わせたエージェントDriveJudgeを提案し、大規模データセットで人間の判断と高い一致を示した。
- HAD: 階層拡散とメトリック分離型強化学習を組み合わせたエンドツーエンド運転自動運転2026/4/1
自動運転のエンドツーエンド計画において、粗密の階層拡散ポリシーと複数運転目標を分離して最適化する強化学習手法を提案し、NAVSIMとHUGSIMで大幅な性能向上を達成した。
- 人間のデモンストレーション不要の軌道スコアラーによるエンドツーエンド自動運転自動運転/強化学習2025/10/1
人間のデモンストレーションを一切使わず、実世界画像とルールベース報酬のみで学習する強化学習ベースのエンドツーエンド自動運転計画手法ZTRSを提案し、長尾シナリオで模倣学習を上回る性能を示した。
- DriveCritic: 視覚言語モデルによる文脈認識型・人間整合的な自動運転評価自動運転評価/VLM2025/10/1
自動運転の軌道ペアを人間の選好に沿って評価するため、文脈が重要な難シーンを集めたデータセットと視覚言語モデル評価器を構築し、既存指標より人間判断に一致することを示した。
- 汎化軌道スコアリングによるエンドツーエンドマルチモーダル計画自動運転計画2025/6/1
自動運転のマルチモーダル計画において、粗い軌道評価と細かい軌道評価を統合したGTRSを提案し、拡散モデルによる軌道生成と語彙汎化技術で高い汎化性能を実現した。
- DriveSuprim: エンドツーエンド計画のための精密な軌道選択に向けて自動運転計画2025/6/1
自動運転の軌道選択を粗から細への段階的フィルタリング、回転ベースの拡張、自己蒸留で改善し、NAVSIMやBench2Driveで最高性能を達成した。
- 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。
- 衝突シナリオ統合による自動運転の安全性向上自動運転2025/3/1
衝突データから安全志向の指標を用いて学習するSafeFusionと、言語プロンプトで衝突シナリオを生成するCollisionGenを提案し、衝突リスクの高い場面での計画性能を56%改善した。
- Hydra-NeXt: 開ループ学習による堅牢な閉ループ自動運転自動運転2025/3/1
軌道予測・制御予測・軌道精緻化を1つのモデルに統合したマルチブランチ計画フレームワークを提案し、開ループ学習と閉ループ運転のギャップを埋めてBench2Driveで大幅な性能向上を達成した。
- 重要なものだけを記憶する：多重走行からの創発的シーン分解3Dマッピング2024/5/1
同じ領域を複数回走行したRGB動画から、自己教師ありで環境と一時的物体を分離し、3Dガウシアンマップを構築する手法を提案。
- FB-OCC: 3D Occupancy Prediction based on Forward-Backward View Transformation2023/7/1
- VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Completion2023/2/1