Shiyu Fang
収録論文 10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
- データ・戦略・プラットフォームから見るEnd-to-End自動運転トレーニングのサーベイ自動運転2026/10/1
End-to-End自動運転の学習手法とエコシステムを、データ・戦略・プラットフォームの3層タクソノミーで整理し、最近の研究動向と今後の展望をまとめたサーベイ。
- 混在交通における協調運転に向けて：適応ポテンシャルゲームに基づくアプローチと実地検証協調運転2026/4/1
自動運転車と人間運転車が混在する環境での協調運転を実現するため、適応ポテンシャルゲームに基づくフレームワークを提案し、実地試験でその有効性を検証した。
- 大規模言語モデルを用いた自動運転のための対話的意志決定自動運転2026/4/1
高衝突の混在交通シナリオにおいて、大規模言語モデルを用いてシーン理解と意図認識を強化し、安全かつ効率的な運転行動を生成するフレームワークを提案した。
- VP-AutoTest: 仮想・実機融合型自動運転テストプラットフォーム自動運転テスト2025/12/1
仮想と実機の要素を組み合わせ、単車・複数車協調の敵対的テストや並列推論、多次元評価とAI診断を可能にする自動運転テストプラットフォームを提案した。
- CoReVLA：長尾シナリオ向けの収集と洗練による二段階エンドツーエンド自動運転フレームワーク自動運転/VLA2025/9/1
長尾シナリオでの自動運転性能を向上させるため、VLAモデルをCAVEシミュレータで収集した人間の介入データとDPOで継続学習する二段階フレームワークを提案。
- 車両インフラ多層協調意思決定フレームワーク協調運転2025/3/1
無信号交差点での複雑な競合シナリオに対し、車両間・車両インフラ間通信とLLMによる交渉を用いた多層協調意思決定フレームワークを提案し、シミュレーションで安全性と効率性の向上を示した。
- 対話と指示で改善する：自動運転車の相互理解を促すLLM駆動型並列Actor-Reasonerフレームワーク自動運転インタラクション2025/3/1
LLMを用いて自動運転車と人間運転車の双方向インタラクションを実現するため、推論役(Reasoner)と記憶データベース(Actor)を並列に組み合わせたフレームワークを提案し、安全性と効率を向上させた。
- TeLL-Drive: 教示LLMが導く深層強化学習による自動運転の強化自動運転/強化学習/LLM2025/2/1
教示LLMが生成した高レベル運転戦略を注意機構で強化学習エージェントに融合し、自動運転の意思決定を高成功率・高堅牢・リアルタイム化したハイブリッド枠組みを提案。
- 対話的で学習可能な協調運転自動化に向けて：大規模言語モデル駆動の意思決定フレームワーク協調運転/LLM意思決定2024/9/1
大規模言語モデルを活用し、環境モジュール・CoT推論・記憶モジュールを組み合わせて、あらゆるシナリオと協調運転自動化レベルに対応する対話的で学習可能な協調運転フレームワークを提案した。
- エントロピー正則化で強化した自動運転向け意思決定GPTモデル自動運転/意思決定2024/6/1
自動運転の意思決定を制約付きマルコフ決定過程と系列モデリングで捉え、エントロピー正則化を加えたGPTベースのモデルを提案し、安全性と有効性を向上させた。