Madhur Behl

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

• DBF-MA: マルチエージェント自律レースの追い抜きのための微分ベイズフィルタリングプランナー
  マルチエージェント自律レース2025/9/1

  微分ベイズフィルタリングを拡張し、複合ベジェ曲線空間でのベイズ推論として衝突回避軌道を生成する手法を提案。自律レースの追い抜きで87%の成功率を達成。

• ガウス・ルジャンドル求積と非斉次ポアソン過程による確率的衝突リスク推定
  リスク推定/モーションプランニング2025/7/1

  高速自動運転レースの追い抜き場面で、ガウス・ルジャンドル求積と非斉次ポアソン過程を組み合わせて衝突リスクを高精度・リアルタイムに推定する手法を提案し、F1シミュレーションで既存手法より大幅に誤差を削減した。

• HALO: 高速自律レースのための耐故障安全アーキテクチャ
  安全設計2025/3/1

  Indy Autonomous Challengeで実装された、知覚・計画・制御・通信の故障を監視・緩和する安全アーキテクチャHALOを提案し、実車データで有効性を示した。

• 軌道から行動へのパイプライン（TAP）：自動運転車の挙動比較のためのシナリオ記述自動抽出
  自動運転2025/2/1

  大規模な軌道データセットからシナリオ記述言語（SDL）ラベルを自動抽出するTAPを提案し、Waymo Open Motion Datasetで従来手法より高精度に類似挙動を識別できることを示した。

• CRASH: 強化学習による敵対的シナリオ生成と安全性強化
  敵対的強化学習/自動運転シミュレーション2024/11/1

  自動運転車の安全性検証のため、強化学習で敵対的なNPCエージェントを制御し衝突を誘発するフレームワークCRASHを提案。さらに失敗事例を活用してプランナを反復改善する「安全性強化」手法を導入し、衝突率を26%削減した。

• DKMGP: 自動運転レースにおけるマルチタスク・マルチステップ車両ダイナミクスモデリングのためのガウス過程アプローチ
  車両ダイナミクス/ガウス過程2024/11/1

  深層カーネル学習を組み込んだ変分マルチタスク・マルチステップガウス過程モデルを提案し、適応補正ホライズンアルゴリズムで高速走行時の車両ダイナミクスを高精度かつリアルタイムに予測する。

• ARGOS: An Automaton Referencing Guided Overtake System for Head-to-Head Autonomous Racing
  2024/1/1
• Deep Dynamics: Vehicle Dynamics Modeling with a Physics-Constrained Neural Network for Autonomous Racing
  2023/12/1
• Vehicle Dynamics Modeling for Autonomous Racing Using Gaussian Processes
  2023/6/1
• RACECAR -- The Dataset for High-Speed Autonomous Racing
  2023/6/1
• Teaching Autonomous Systems Hands-On: Leveraging Modular Small-Scale Hardware in the Robotics Classroom
  2022/9/1
• This is the Way: Differential Bayesian Filtering for Agile Trajectory Synthesis
  2022/7/1
• Autonomous Vehicles on the Edge: A Survey on Autonomous Vehicle Racing
  2022/2/1
• Adaptive Lookahead Pure-Pursuit for Autonomous Racing
  2021/11/1
• Towards Automated Safety Coverage and Testing for Autonomous Vehicles with Reinforcement Learning
  2020/5/1
• DeepRacing: Parameterized Trajectories for Autonomous Racing
  2020/5/1
• F1/10: An Open-Source Autonomous Cyber-Physical Platform
  2019/1/1