Maximilian Igl

NVIDIA

収録論文 10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

• CtrlWAM: 意図と予見を整合させた制御可能なワールドアクションモデル
  VLA2026/10/1

  摂動させた行動をシミュレータで実行し、その視覚的結果と対応付けて学習することで、行動予測と映像生成の整合性を高めた制御可能なワールドアクションモデルを提案。

• OPTED: レンダリング不要な教師によるEnd-to-End自動運転のオンポリシー微調整
  自動運転/End-to-End2026/9/17

  強化学習で訓練した特権教師がベクトル入力から生徒モデルを閉ループで指導することで、シミュレータ操作を大幅に削減しつつEnd-to-End自動運転ポリシーを微調整する手法を提案。

• 計画整合型トークン圧縮による長文脈自動運転
  自動運転2026/6/1

  自動運転のためのモノリシックな視覚行動モデルにおいて、長期の文脈を圧縮する際に計画情報を活用するフレームワークを提案し、成功率を向上させた。

• 123D: 大規模マルチモーダル自動運転データの統合
  自動運転データ統合2026/5/1

  自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。

• LEAD: エンドツーエンド運転における学習者と専門家の非対称性の最小化
  自動運転/模倣学習2025/12/1

  自動運転の模倣学習において、特権的な専門家デモとセンサベースの学生観測の不一致を分析し、そのギャップを埋める介入によりCARLAベンチマークで最先端性能を達成した研究。

• RoaD: 閉ループ教師あり微調整のためのロールアウト活用による自動運転ポリシー改善
  自動運転2025/12/1

  自動運転ポリシーの閉ループ展開時の誤差蓄積を、自身のロールアウトに専門家ガイダンスを加えて追加学習データとすることで軽減し、大規模シミュレータで衝突を54%削減した手法。

• Gen-Drive: 報酬モデリングと強化学習ファインチューニングによる拡散生成運転ポリシーの強化
  自動運転計画2024/10/1

  拡散モデルで多様な将来シーンを生成し、VLM支援で学習した報酬モデルで評価する「生成→評価」型の自動運転計画フレームワークを提案し、強化学習で微調整することでnuPlan上での計画性能を向上させた。

• Hierarchical Imitation Learning for Stochastic Environments
  2023/9/1
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving
  2022/12/1
• Symphony: Learning Realistic and Diverse Agents for Autonomous Driving Simulation
  2022/5/1