Luke Rowe

収録論文 8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

• エンドツーエンド運転のためのセルフプレイのスケーリング
  自動運転2026/6/1

  シミュレーション内で大規模なセルフプレイを用いてエンドツーエンド運転モデルを訓練する手法を提案し、実世界への転移を可能にする。

• シナリオ制御：視覚言語で制御可能なベクトル化潜在シナリオ生成
  シナリオ生成2026/4/1

  テキストや画像の指示に基づき、地図や動的エージェントを含む現実的な3D運転シナリオを生成する新しい手法を提案。

• 制約付きグループ相対方策最適化
  強化学習2026/2/1

  GRPOをラグランジュ緩和で拡張し、制約違反率を直接最適化する制約付き方策学習手法を提案。アドバンテージのスカラー化で安定した制約制御を実現し、ロボティクスタスクでの成功率向上も示した。

• Poutine: 視覚-言語-軌道の事前学習と強化学習による堅牢なエンドツーエンド自動運転
  自動運転2025/6/1

  3Bパラメータの視覚言語モデルを視覚・言語・軌道トークンで自己教師あり事前学習し、GRPOで微調整することで、長尾シナリオを含むWaymoベンチマークで最高性能を達成した。

• Scenario Dreamer: ベクトル化潜在拡散による走行シミュレーション環境の生成
  sim2real2025/3/1

  車線グラフとエージェントの初期配置、および閉ループのエージェント挙動をデータ駆動で生成する自動運転向けシミュレータ。ベクトル化潜在拡散と自己回帰Transformerを組み合わせ、既存手法より高品質・高効率で無限に拡張可能な環境を生成する。

• CtRL-Sim: オフライン強化学習による反応的で制御可能な運転エージェント
  自動運転シミュレーション2024/3/1

  実走行データを物理シミュレータで処理して報酬付きオフラインRLデータセットを作り、リターン条件付きマルチエージェント行動モデルを学習することで、現実的かつ制御可能な交通エージェントを生成する手法を提案。

• FJMP: Factorized Joint Multi-Agent Motion Prediction over Learned Directed Acyclic Interaction Graphs
  2022/11/1
• Out-of-Distribution Detection for LiDAR-based 3D Object Detection
  2022/9/1