Pei Liu
The Hong Kong University of Science and Technology
収録論文 15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
- 相互世界行動モデルによるインタラクティブ自動運転自動運転2026/9/30
自車と他エージェントが互いに影響し合う応答関係をゲーム理論的にモデル化し、Level-k階層と条件付きフローマッチングで学習する世界行動モデルを提案。NAVSIMで最先端性能を達成。
- 離散的な心から連続的な行動へ：エンドツーエンド自動運転のための潜在整合プランニング自動運転2026/9/3
Vision-Language Modelの離散的な推論と自動運転の連続的な物理制約を橋渡しするため、潜在整合プランニングを備えたVLAフレームワークLaPlaを提案。量子化誤差を排除し、物理的に妥当な軌道を生成する。
- DA-WAM: 運転ワールドモデルのための意思決定整合的未来潜在表現自動運転2026/8/19
自動運転のためのワールドモデルにおいて、将来予測が意思決定に直接寄与するよう、予測表現学習と軌道スコアリングを統合したフレームワークDA-WAMを提案した。
- LeapBot-WA: 予測的潜在アライメントによるワールドアンカー行動モデルVLA2026/7/1
ピクセルレベルの動画生成に依存せず、潜在空間での予測的意味アライメントを用いて物理ダイナミクスを抽出する新しいワールドアクションモデルを提案し、LIBEROやRoboTwinで高い性能を達成した。
- 予測不確実性と安全行動の橋渡し：自動運転のためのサンプル条件付き微分可能プランニング自動運転/プランニング2026/6/1
拡散モデルで生成した多様な未来シナリオを微分可能なプランナーに直接組み込み、CVaR尾部リスク制約で安全性を確保する自動運転のプランニング手法を提案した。WaymoとArgoverse 2で安全性・効率・快適性を向上させた。
- LUNA-AD: 自動運転のための軽量不確実性認識言語モデルと生涯学習自動運転2026/6/1
自動運転向けに、不確実性を考慮した意思決定と生涯学習を備えた軽量な言語モデルを提案し、nuPlanベンチマークで高い成功率と低遅延を実現した。
- 自動運転のための軽量な信頼度認識言語モデルによる意思決定自動運転2026/5/1
大規模言語モデルの推論能力を軽量モデルに蒸留し、信頼度付きの意思決定を高速に行う自動運転フレームワークを提案した。
- 実データと合成データの共学習のための閉ループ動的データ混合自動運転2026/5/1
自動運転のエンドツーエンド学習において、実データと合成データを効率的に混合するための自動化された閉ループデータエンジン「AutoScale」を提案し、評価フィードバックに基づいてデータ混合を動的に最適化することで、少ない合成データで性能を向上させる。
- Xiaomi OneVL: ワンステップ潜在推論と視覚言語説明によるプランニング自動運転/VLA2026/4/1
自動運転のVLAモデルにおいて、潜在推論を視覚世界モデルで強化し、明示的CoTを超える精度を実現しつつ、推論速度を回答のみの予測と同等に高速化したフレームワークを提案した。
- Open-H-Embodiment：医療ロボティクスにおける基盤モデルを可能にする大規模データセット医療ロボティクス/データセット/基盤モデル2026/4/1
医療ロボットの自律化を妨げるデータ不足を解決するため、複数のロボットプラットフォームにわたる大規模な医療ロボットビデオと運動学データセットを公開し、基盤モデルの開発を実証した。
- スキャンガイドラインから行動へ：LLM推論を用いたロボット超音波エージェント医療ロボティクス2026/3/1
LLMベースのエージェントが超音波スキャンガイドラインを解釈し、動的にツールを呼び出して自律的にスキャンを実行する統一フレームワークを提案。強化学習で推論とツール選択の品質を改善する。
- DAISS: 位相認識模倣学習による双腕ロボット超音波ガイド下介入医療ロボティクス/模倣学習2026/3/1
超音波ガイド下の針挿入手術を自動化するため、位相認識アーキテクチャと動的マスク損失を備えた模倣学習ポリシーを開発し、限られたデモから専門家の戦略を学習する双腕システムを提案した。
- CoPlanner: 不確実性を考慮した拡散モデルによる対話型自動運転モーションプランナー自動運転/モーションプランニング2025/9/1
自動運転向けに、マルチエージェントの対話的な軌道生成と不測の事態に備えたプランニングを統合した拡散ベースのフレームワークを提案。複数の将来シナリオを評価し、安全で現実的な軌道計画を実現する。
- VLM-UDMC: 都市自動運転のためのVLM強化型統合意思決定・運動制御自動運転2025/7/1
視覚言語モデルとRAGを活用した上位意思決定と、軽量LSTMによる軌道予測を組み合わせ、都市環境での自動運転の安全性と解釈性を高める統合フレームワークを提案し、実車実験で有効性を検証した。
- DSDrive: 大規模言語モデルを蒸留した軽量な統合推論・計画型エンドツーエンド自動運転自動運転/エンドツーエンド2025/5/1
大規模視覚言語モデルの推論能力を小型LLMに蒸留し、ウェイポイント駆動のデュアルヘッド協調モジュールで推論と計画を統合した軽量な自動運転フレームワークを提案。閉ループシミュレーションでベンチマーク並みかそれを上回る性能を、より小さなモデルサイズと高い計算効率で実現した。