Nicholas Rhinehart

収録論文 21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

• SPARROW: 適応的な経路探索・観測・待機のための生存POMCP
  ナビゲーション2026/9/17

  一時的な障害物がある環境で、待機・迂回・観測を選びながら経路探索するPOMCPベースのプランナを提案し、シミュレーションと実機で既存手法より到達時間を短縮した。

• QPILOTS: フローポリシーのための効率的なテスト時Qステアリング
  強化学習/拡散ポリシー2026/6/11

  フローマッチングや拡散ポリシーを強化学習で最適化する際、推論時にノイズ除去プロセスをQ値の勾配で操縦する手法QPILOTSを提案し、オフラインからオンラインへのRLベンチマークで高い成功率を達成した。

• UBP2: 不確実性バランス型選好計画による効率的な選好ベース強化学習
  強化学習2026/6/1

  報酬・ダイナミクス・価値関数の不確実性を統合したスコアで軌道を計画し、能動的探索を行うモデルベースの選好強化学習手法を提案した。

• OSCAR: 適応的ロボットナビゲーションのための障害物生存曲線
  ナビゲーション2026/6/1

  既知の経路グラフを移動するロボットが、一時的な障害物に遭遇した際の待ち時間と迂回の判断を、障害物の種類ごとの残存時間分布を生存分析で学習して適応的に行う手法を提案した。

• OccSim: 長期的占有ワールドモデルによるマルチキロメートルシミュレーション
  自動運転シミュレーション2026/3/1

  単一の初期フレームと将来の自車行動のみから、4km以上にわたる連続的な3D占有マップを生成できる初の占有ワールドモデル駆動型3Dシミュレータを提案した。

• AutoWorld: 自己教師ありワールドモデルによるマルチエージェント交通シミュレーションの学習
  自動運転シミュレーション2026/3/1

  生のLiDAR観測に基づく自己教師ありワールドモデルを用いて、より現実的な交通シミュレーションを実現するフレームワークを提案した。

• ラタトゥイユ：実世界のソーシャルロボットナビゲーションのための模倣学習の要素
  ソーシャルナビゲーション2025/9/1

  オフライン模倣学習を用いてソーシャルナビゲーションの安全性と成功率を大幅に改善するパイプラインとモデルアーキテクチャを提案し、実世界の大学キャンパスで検証した。

• 残差報酬モデルによる選好ベース強化学習
  強化学習2025/7/1

  選好ベース強化学習において、事前知識の報酬と学習した報酬を足し合わせる残差報酬モデルを提案し、収束速度と性能を改善した。

• 効率的な潜在フローマッチングによる基盤的LiDARワールドモデル
  LiDARワールドモデル2025/6/1

  LiDARワールドモデルのドメイン間転移性を初めて体系的に検証し、潜在条件付きフローマッチングで高圧縮・高精度な基盤モデルを実現した。

• DR-MPC: 実世界のソーシャルナビゲーションのための深層残差モデル予測制御
  ソーシャルナビゲーション2024/10/1

  MPCとモデルフリー深層強化学習を組み合わせ、実世界の群衆ナビゲーションデータから安全に学習する手法を提案。シミュレーションと実機実験で有効性を示した。

• Hybrid Imitative Planning with Geometric and Predictive Costs in Off-road Environments
  2021/11/1
• Contingencies from Observations: Tractable Contingency Planning with Learned Behavior Models
  2021/4/1
• Rapid Exploration for Open-World Navigation with Latent Goal Models
  2021/4/1
• ViNG: Learning Open-World Navigation with Visual Goals
  2020/12/1
• Parrot: Data-Driven Behavioral Priors for Reinforcement Learning
  2020/11/1
• Conservative Safety Critics for Exploration
  2020/10/1
• Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts?
  2020/6/1
• Inverting the Pose Forecasting Pipeline with SPF2: Sequential Pointcloud Forecasting for Sequential Pose Forecasting
  2020/3/1
• PRECOG: PREdiction Conditioned On Goals in Visual Multi-Agent Settings
  2019/5/1
• Deep Imitative Models for Flexible Inference, Planning, and Control
  2018/10/1
• Learning Neural Parsers with Deterministic Differentiable Imitation Learning
  2018/6/1