Shaoyu Chen

収録論文 12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

• REAP: ガウススプラッティングシミュレータを用いた強化学習によるエンドツーエンド自動駐車とReal2Sim2Real転送
  自動駐車2026/5/1

  強化学習とガウススプラッティングシミュレータを組み合わせ、エンドツーエンドの自動駐車を実現し、実世界への転送を可能にする手法を提案した論文。

• ResAD: 正規化残差軌道モデリングによるエンドツーエンド自動運転
  自動運転2025/10/1

  慣性参照からの残差を予測し、点ごとの正規化で最適化の偏りを抑えることで、エンドツーエンド自動運転の軌道予測精度を向上させた研究。

• AlphaDrive：強化学習と推論で自動運転におけるVLMの能力を引き出す
  自動運転VLA2025/3/1

  自動運転向けにGRPOベースの強化学習報酬と2段階の計画推論訓練を組み合わせたVLMフレームワークを提案し、計画性能と訓練効率を改善した。

• RAD: 大規模3DGSベース強化学習によるエンドツーエンド自動運転ポリシーの学習
  自動運転/強化学習2025/2/1

  3Dガウシアンスプラッティングで構築したフォトリアルな閉ループ環境で強化学習を行い、模倣学習を正則化として併用することで、衝突率を大幅に低減した自動運転ポリシーを学習する手法を提案。

• DiffusionDrive：切り詰め拡散モデルによるエンドツーエンド自動運転
  自動運転2024/11/1

  拡散モデルのノイズ除去ステップを切り詰め、マルチモードアンカーを導入することで、自動運転の行動生成を2ステップで多様かつ高品質にし、リアルタイム速度を実現した。

• Senna: 大規模視覚言語モデルとEnd-to-End自動運転の橋渡し
  自動運転/VLA2024/10/1

  LVLMが自然言語で高レベル計画を立て、End-to-Endモデルが精密な軌道を予測する自動運転システムSennaを提案。DriveX事前学習とnuScenes微調整で計画誤差と衝突率を大幅削減した。

• VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning
  2024/2/1
• MapTRv2: An End-to-End Framework for Online Vectorized HD Map Construction
  2023/8/1
• VAD: Vectorized Scene Representation for Efficient Autonomous Driving
  2023/3/1
• Lane Graph as Path: Continuity-preserving Path-wise Modeling for Online Lane Graph Construction
  2023/3/1
• Perceive, Interact, Predict: Learning Dynamic and Static Clues for End-to-End Motion Prediction
  2022/12/1
• MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction
  2022/8/1