Stefano V. Albrecht

Nanyang Technological University

収録論文 23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

• 分割して記憶する：長期的VLAポリシーのための再帰的行動関連メモリ
  VLA2026/10/1

  現在の観測だけでは行動を決められない履歴依存の操作タスクに向け、行動に関連する情報を履歴から再帰的に選択・記憶する軽量メモリ手法を提案し、長期的操作ベンチマークで最高精度を達成した。

• Assistax: 支援ロボティクス向けマルチエージェント・ハードウェア加速強化学習ベンチマーク
  マルチエージェント強化学習2025/7/1

  JAXとMuJoCo-MJX上でGPU加速された支援ロボティクスタスク群を提供し、人間役のヒューマノイドエージェントとロボットをマルチエージェント強化学習で共訓練できるベンチマークを構築した。

• HAD-Gen: 人間らしく多様な運転行動をモデル化する制御可能なシナリオ生成
  自動運転シミュレーション2025/3/1

  運転スタイルごとに軌跡をクラスタリングし、最大エントロピー逆強化学習で報酬関数を学習、オフライン強化学習とマルチエージェント強化学習を組み合わせて、人間らしく多様な運転行動を再現する交通シナリオ生成フレームワークを提案した。

• スパースなマルチエージェント強化学習における最適方策保存のためのエージェント・時間クレジット割り当て
  マルチエージェント強化学習2024/12/1

  スパースなグローバル報酬を時間方向とエージェント方向に再分配するTAR²を提案し、ポテンシャルベース報酬整形との等価性を理論的に示して最適方策を保ちながら学習を安定・高速化した。

• スキル認識型相互情報量最適化による強化学習の汎化
  メタ強化学習2024/6/1

  メタ強化学習において、スキルを区別する相互情報量目的関数SaMIとその推定器SaNCEを提案し、未見タスクへのゼロショット汎化とサンプル効率を改善した。

• LLM-Personalize: 強化学習自己訓練による家事ロボット向けLLMプランナーの個人適応
  VLA2024/4/1

  模倣学習と反復自己訓練を組み合わせて、家庭用ロボットのLLMプランナーを個々のユーザー選好に合わせて最適化するフレームワークを提案し、家事片付けベンチマークで成功率を30%以上向上させた。

• 自動運転車の説明における目的論的解釈：説明可能AIのための認知科学からの知見
  説明可能AI2024/3/1

  自動運転の14シナリオで人が車の行動をどう説明し、その説明をどう評価するかを実験し、目的論的説明が反事実的説明より高品質と評価されることを示した。

• 安全で信頼できる自動運転のための説明可能AI：系統的レビュー
  自動運転2024/2/1

  自動運転における安全・信頼性確保のため、説明可能AI（XAI）の要件と貢献を整理し、SafeXという統合フレームワークを提案したレビュー論文。

• Causal Explanations for Sequential Decision-Making in Multi-Agent Systems
  2023/2/1
• Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with Robotic and Human Co-Workers
  2022/12/1
• Planning with Occluded Traffic Agents using Bi-Level Variational Occlusion Models
  2022/10/1
• DiPA: Probabilistic Multi-Modal Interactive Prediction for Autonomous Driving
  2022/10/1
• Perspectives on the System-level Design of a Safe Autonomous Driving Stack
  2022/8/1
• Verifiable Goal Recognition for Autonomous Driving with Occlusions
  2022/6/1
• A Human-Centric Method for Generating Causal Explanations in Natural Language for Autonomous Vehicle Motion Planning
  2022/6/1
• MIDGARD: A Simulation Platform for Autonomous Navigation in Unstructured Environments
  2022/5/1
• Flash: Fast and Light Motion Prediction for Autonomous Driving with Bayesian Inverse Planning and Learned Motion Profiles
  2022/3/1
• Interpretable Goal Recognition in the Presence of Occluded Factors for Autonomous Vehicles
  2021/8/1
• GRIT: Fast, Interpretable, and Verifiable Goal Recognition with Learned Decision Trees for Autonomous Driving
  2021/3/1
• PILOT: Efficient Planning by Imitation Learning and Optimisation for Safe Autonomous Driving
  2020/11/1
• A Two-Stage Optimization-based Motion Planner for Safe Urban Driving
  2020/2/1
• Interpretable Goal-based Prediction and Planning for Autonomous Driving
  2020/2/1
• Exploiting Causality for Selective Belief Filtering in Dynamic Bayesian Networks (Extended Abstract)
  2019/7/1