Mattia Piccinini
Technical University of Munich
収録論文 24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
- PlannerForge: 自動運転におけるモーションプランナーのシナリオベーステストのためのLLMエージェント自動運転/LLMエージェント/テスト2026/9/8
自動運転システムのシナリオベーステストの全工程を統一的なLLMエージェントフレームワークで統合し、シナリオ生成から評価、さらにはシステム改善とベンチマークまでを自動化するPlannerForgeを提案した。
- MPCソルバー勾配ガイダンスによる強化学習の加速：重み可変MPC向け強化学習/MPC2026/9/1
モデル予測制御（MPC）のコスト重みを適応的に学習する際、強化学習のサンプル効率を向上させるため、微分可能MPCのソルバー勾配を補助ガイダンスとして利用するSG-RL手法を提案した。自動レースプラットフォームで最大70.6%のサンプル削減を実証した。
- 自動運転レースにおける最小時間軌道計画のための制御情報に基づく制約適応自動運転レース/軌道計画2026/8/14
自動運転レースで、実行時の追従誤差を学習して軌道計画の空間制約を動的に調整し、タイムを短縮する手法を提案。
- 夢を信じる前に検証せよ：ワールドモデルシミュレータの許容性ワールドモデル検証2026/7/1
ロボティクスで使われるワールドモデル（WM）の信頼性を評価する枠組みを提案。視覚的忠実度だけでなく、行動への応答を検証する許容性ラダー（L0-L4）を定義し、自動運転の例で視覚品質と行動追従が逆転することを示した。
- Chat2Scenic: 自動運転シナリオ生成のための反復RAGベースフレームワーク自動運転/シナリオ生成2026/7/1
規制文書から自動運転テスト用のシナリオスクリプトを自動生成する、反復型RAGフレームワークを提案。チャットインターフェースで対話的にシナリオを洗練でき、既存手法より高い成功率を達成。
- SGTP: サンプリングに基づくゲーム理論的プランニングによるリアルタイム多車両自動運転レース自動運転レース/プランニング2026/7/1
GPU加速サンプリングとゲーム理論を組み合わせ、多車両レースでの多様な競争行動をリアルタイムに計画するフレームワークを提案。高い勝率とタスク完了率を達成し、最大10エージェントの大規模シナリオにも適用可能。
- ゲーム理論的ガイダンスを備えたハイブリッドサンプリングベース軌道プランナーによる自動運転レース自動運転レース/軌道計画2026/7/1
自動運転レース向けに、ゲーム理論の戦略的推論とサンプリングベースの軌道生成を組み合わせたハイブリッドプランナーを提案。オフライン学習したポテンシャル関数で相互作用を捉え、オンラインで勾配最適化により動的コストバイアスを生成し、高周波サンプリングプランナーに統合することで、ブロッキングなどの防御行動を実現しつつ計算負荷を抑えた。
- 限界領域での軌道計画と制御：RoboRacerプラットフォームにおけるオープンな実験ベンチマーク自動運転/軌道計画/制御2026/5/1
高加速度走行を限界まで押し上げる軌道計画・制御手法を評価するモジュール式フレームワークを提案し、1/10スケールのRoboRacerプラットフォームで実証した。
- 自動運転レースにおけるフィードフォワード操舵制御の実証的・学習ベース手法のベンチマーク自動運転レース/制御2026/5/1
自動運転レースの階層制御におけるフィードフォワード操舵制御について、学習ベース2手法と解析的2手法を体系的に比較し、新しい多項式曲面フィットに基づくEHD手法を提案した。
- EgoDyn-Bench：自動運転における視覚中心基盤モデルの自己運動理解の評価自動運転2026/4/1
自動運転向け視覚言語モデルの自己運動（エゴモーション）の物理的理解を評価するベンチマークを提案し、多くのモデルが視覚と物理推論の対応に欠陥を持つことを示した。
- StyleVLA: 運転スタイルを考慮した視覚言語行動モデルによる自動運転自動運転/VLA2026/3/1
運転スタイル（スポーティ、快適など）に応じた多様で物理的に実現可能な軌道を生成する、物理情報を組み込んだVLAフレームワークを提案した。
- Target-Bench：動画世界モデルは意味的ターゲットへの地図なし経路計画を達成できるか？VLA2025/11/1
動画世界モデルの意味的推論・空間推定・計画能力を評価する初のベンチマークTarget-Benchを提案し、既存モデルの性能不足と実ロボットデータでの微調整による改善を示した。
- VLMは意味的異常検知を解き放てるか？構造的推論のためのフレームワークVLA2025/10/1
VLMを用いた自動運転の意味的異常検知を、4つの意味領域に沿った階層的な整合性検証として再定式化するモデル非依存フレームワークSAVANTを提案し、再現率を約18.5%改善、さらに大規模自動ラベリングで7Bモデルを微調整し高精度を達成した。
- 強化学習によるサンプリングベース軌道計画の動的適応：アジャイル自動運転に向けて自動運転/強化学習2025/10/1
強化学習エージェントが低レベル軌道計画器のコスト関数パラメータを動的に切り替え、自動運転レースで衝突率0%を達成しつつ追い越し時間を最大60%短縮した。
- 一般的な加速度制約下での時間最適マヌーバのためのリアルタイム速度プロファイル最適化軌道計画2025/9/1
任意の加速度制約を扱う前後方向アルゴリズムFBGAを提案し、軌道計画を高速かつ高精度に最適化する。
- サンプリングを学習する：強化学習ガイドによる自動運転の運動計画自動運転/運動計画2025/9/1
強化学習エージェントがサンプリング領域を誘導し、軌道生成と評価は解析的に保つハイブリッド枠組みを提案。CommonRoadで最大99%のサンプル削減と84%の実行時間短縮を達成。
- MP-RBFN：動径基底関数ネットワークによる車両モーションプリミティブの学習自動運転/運動計画2025/7/1
最適制御から得られる車両の運動プリミティブをRBFネットワークで効率的に学習し、従来の半解析手法より7倍高精度かつ低推論時間で生成する手法を提案した。
- モデル構造化ニューラルネットワークによる自動運転レースカーのステアリング制御制御/モデルベース学習2025/7/1
車両の非線形ダイナミクスの事前知識をニューラルネットワーク構造に組み込んだステアリング制御器を提案し、実車レースデータで汎用NNや優勝チームの制御器より高精度・高汎化性能を示した。
- 自動運転における基盤モデル：シナリオ生成と分析に関するサーベイ自動運転2025/6/1
自動運転のシナリオ生成・分析に基盤モデル（LLM、VLM、拡散モデル、ワールドモデルなど）を適用した研究を体系的に整理し、データセット・評価指標・課題をまとめたサーベイ。
- 予測安全フィルタを統合した安全強化学習によるドリフト車両の運動計画と制御安全強化学習/運動計画2025/6/1
強化学習エージェントとモデルベースのドリフトダイナミクスを組み合わせ、予測安全フィルタでオンラインに行動を調整することで、安全かつ効率的な自律ドリフト運動計画を実現した研究。
- 人工レースドライバーの走行スタイルをバイアスするオンライン時間最適マニューバ計画走行制御/MPC2025/4/1
MPCの終端コストを工夫し、人工レースドライバーが早期から後期のエイペックスへ走行スタイルをリアルタイムに適応させ、オンラインで最速に近いラップタイムを実現する手法を提案。
- 準定常ブラックボックスシミュレーションによるg-g-g-vダイアグラム生成手法車両ダイナミクス2025/4/1
車両の縦加速度・速度・横加速度の関係を表すg-g-g-vダイアグラムを、車両モデルをブラックボックスとして扱う準定常シミュレーションで推定する手法を提案した。
- 3次元サーキットにおける最小時間マニューバの運動力学計画と高精度実行自動運転レース2025/2/1
車両ダイナミクスを学習し、3次元トラック上で最小時間のマニューバを計画・実行する人工レースドライバーを提案。新しい運動力学モデルと経済的非線形モデル予測制御を統合し、高忠実度シミュレータで評価した。
- 言葉から衝突へ：LLMによる安全臨界運転シナリオの評価と敵対的生成自動運転テスト2025/2/1
大規模言語モデルとプロンプト設計を組み合わせ、自動運転の安全臨界シナリオを自動評価・生成する手法を提案し、2Dシミュレーションで有効性を検証した。