Meixin Zhu
収録論文 18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
- 保守的ソフトアクタークリティックによる効果的な強化学習制御強化学習2025/5/1
エントロピーと相対エントロピー正則化を組み合わせたCSACを提案し、探索と安定性のバランスを改善してロボット制御タスクでの性能を向上させた。
- 信号なし交差点における安全重視軌道計画のための拡散モデルと動的高次制御バリア関数軌道計画2024/12/1
拡散モデルと動的高次制御バリア関数を組み合わせ、信号のない交差点で左折・右折・直進を安全かつ効率的に計画する手法を提案。
- 選好整合拡散プランナによる四足歩行制御歩行2024/10/1
報酬ラベルなしの専門家データで拡散プランナをオフライン学習し、弱い選好ラベリングを用いたオンライン強化学習でロバスト性を高め、四足歩行の速度追従と実機ゼロショット転移を実現した。
- 言葉から車輪へ：自動運転のためのスタイルカスタマイズ方策の自動生成自動運転2024/9/1
自然言語の指示から自動運転の走行スタイルをカスタマイズした方策を自動生成するフレームワークWords2Wheelsを提案し、既存手法より精度・汎化・適応性で優れることを示した。
- EcoFollower: 燃費を考慮した環境に優しい車間追従モデル自動運転/強化学習2024/8/1
強化学習を用いて車間追従時の燃費を最適化するモデルを開発し、実データで従来モデルより燃費を10.42%削減できることを示した。
- EditFollower: カスタマイズ可能な適応型クルーズコントロールのための調整可能な車両追従モデル自動運転/車両追従モデル2024/7/1
運転の「礼儀のなさ」レベルを調整できるデータ駆動型の車両追従モデルを提案し、LSTMとTransformerに多様な礼儀計算手法を統合して、HighDとWaymoデータセットで精度とスタイル制御性を実証した。
- CAV-AHDV-CAV：新しい車間追従構造と強化学習によるCAVの交通振動抑制VLA2024/7/1
2台のCAVに挟まれたHDV列を1つの実体として扱う車間追従フレームワークを提案し、深層強化学習で混合交通の停止・発進振動を抑制する。
- MetaFollower: 適応型パーソナライズ自動車追従モデル自動運転/車両追従2024/6/1
メタ学習を用いて、少数の追従軌跡から個々のドライバーの運転スタイルに適応できるパーソナライズ車両追従フレームワークを提案。
- 大規模言語モデルによる高速道路運転のための報酬関数の生成と進化自動運転2024/6/1
LLMのコーディング能力を活用し、高速道路運転のRL報酬関数を自動生成・改良するフレームワークを提案。手設計の報酬関数を上回る成功率を達成。
- GRANP: 車両軌道予測のためのグラフ再帰注意ニューラルプロセスモデル軌道予測2024/4/1
グラフ注意ネットワークとLSTMを組み合わせたニューラルプロセスで、車両の軌道を予測しつつ不確実性も効率的に定量化する手法を提案した。
- Risk-anticipatory autonomous driving strategies considering vehicles' weights, based on hierarchical deep reinforcement learning2024/1/1
- BEVGPT: Generative Pre-trained Large Model for Autonomous Driving Prediction, Decision-Making, and Planning2023/10/1
- EnsembleFollower: A Hybrid Car-Following Framework Based On Reinforcement Learning and Hierarchical Planning2023/8/1
- EquiDiff: A Conditional Equivariant Diffusion Model For Trajectory Prediction2023/8/1
- Catch Planner: Catching High-Speed Targets in the Flight2023/2/1
- Edge Computing for Real-Time Near-Crash Detection for Smart Transportation Applications2020/8/1
- Safe, Efficient, and Comfortable Velocity Control based on Reinforcement Learning for Autonomous Driving2019/2/1
- Modeling car-following behavior on urban expressways in Shanghai: A naturalistic driving study2018/11/1