Rui Gan
University of South Florida
収録論文 8本 ・ フィジカルAI/ロボット学習
sim2real自動運転/ベンチマークベンチマーク/事故理解自動運転/VLA自動運転自動運転計画V2X/シミュレーションVLA
※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
- AURORA: 自然言語駆動型エージェントフレームワークによる信頼性の高い空陸協調シミュレーションの理解・推論・オーケストレーションsim2real2026/9/17
自然言語から空陸協調シミュレーションシナリオを生成し、実行時検証と局所修復により要求された相互作用を忠実に実現するエージェントフレームワークを提案。
- V2X-QA：自動運転におけるエゴ・インフラ・協調視点を横断するマルチモーダル大規模言語モデルの総合推論データセットとベンチマーク自動運転/ベンチマーク2026/4/1
自動運転向けMLLMの評価を、車両・インフラ・協調の3視点に分離したプロトコルで行う実世界データセットとベンチマークを構築し、視点依存性や協調推論の課題を明らかにした。
- CrashSight: 事故現場理解と推論のための位相認識型・インフラ中心ビデオベンチマークベンチマーク/事故理解2026/4/1
路側カメラ映像を用いた事故理解のための大規模ビジョン言語ベンチマークを構築し、既存のVLMが時間的・因果的推論に課題があることを示した。
- HERMES: ロングテール自動運転のための視覚言語モデルを用いたリスク認識型マルチモーダル統合システム自動運転/VLA2026/2/1
視覚言語モデルを活用し、ロングテールな混在交通環境でのリスクを明示的に考慮した軌道計画を行う、エンドツーエンド自動運転フレームワークを提案。
- SEAL: 長尾シナリオに適応する視覚言語モデルベースの安全な協調自動運転自動運転2025/6/1
視覚言語モデルと適応的マルチモーダル学習を用いて、悪天候などの長尾シナリオにおける協調自動運転の安全性とロバスト性を向上させるフレームワークSEALを提案した。
- 物理情報と交通知識を活用した二段階LLMによる安全な軌道計画自動運転計画2025/4/1
LLMの推論と物理ベースの社会的力を組み合わせ、記憶収集と高速推論の二段階で安全で人間らしい運転軌道を計画するフレームワークLetsPiを提案。
- 実世界データに基づくインタラクティブなコネクテッド交通シナリオ生成V2X/シミュレーション2024/9/1
路側機の信号現示・タイミング(SPaT)実データをシミュレーションに取り込み、自動運転車がリアルタイム信号に反応する高忠実度のV2X交通シナリオを生成する手法を提案した。
- V2X-VLM：大規模視覚言語モデルによるエンドツーエンドV2X協調自動運転VLA2024/8/1
車両とインフラのカメラ映像とテキスト記述を視覚言語モデルで統合し、対照学習と知識蒸留を用いて協調自動運転の軌道計画精度を向上させた。