Seung-Hyun Kong
Korea Advanced Institute of Science and Technology (KAIST)
収録論文 8本 ・ フィジカルAI/ロボット学習
3D占有予測/4DレーダーEnd-to-End自動運転軌道予測複数物体追跡自動運転/意図認識自動運転
※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
- RadarGSOcc: ドップラー情報を活用した4Dレーダータンソルによる3Dセマンティック占有予測3D占有予測/4Dレーダー2026/10/13
4Dレーダータンソルから幾何・意味特徴を分離抽出し、ドップラー情報も活用して3Dセマンティック占有予測を行う効率的なフレームワークを提案。大規模ベンチマークも構築した。
- SC-IMMベースの教師信号によるEnd-to-End自動運転の軌道出力安定化End-to-End自動運転2026/9/18
シーン条件付きIMMで専門家軌道を経路-速度状態に変換し、補助教師信号として学習に加えることで、End-to-End自動運転モデルの閉ループ走行安定性を向上させた研究。
- 複数EKF軌道候補のニューラル融合による車両軌道予測軌道予測2026/9/17
ニューラル軌道予測器Trajectron++の出力と拡張カルマンフィルタ(EKF)による複数の軌道候補を後段で融合し、nuScenesデータセットで予測誤差を改善した。
- 状態予測ニューラルネットワークを用いたIMMベースの複数物体追跡複数物体追跡2026/9/10
レーダーのドップラー計測を活用したTransformerベースの変位予測モデルをIMMの運動モードとして統合し、物理モデルの安定性を保ちつつ非線形な物体運動を表現して追跡精度を向上させた。
- DNC-IMM: 運転コンテキスト情報に基づくニューラル校正による早期車線変更意図認識自動運転/意図認識2026/9/1
従来のIMMフィルタにニューラルネットワークを組み合わせ、運転状況に応じて遷移確率と観測尤度を校正し、車線変更意図を早期に高精度で認識する手法を提案した。
- オーバーステア制御と衝突回避を同時に実現する学習ベース自律運転自動運転2025/5/1
不完全なデモデータから学べる新しいハイブリッド学習法QC-SACを提案し、滑りやすい路面でのオーバーステア制御と障害物回避を同時に達成した。
- オープンソース自動運転ソフトウェアプラットフォームの比較：AutowareとApollo自動運転2025/1/1
自動運転の主要OSSであるAutowareとApolloのコアモジュールとミドルウェア性能を体系的に比較評価し、両者の違いを明らかにした。
- K-Lane: Lidar Lane Dataset and Benchmark for Urban Roads and Highways2021/10/1