Thomas Braunl

収録論文 6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

• VORL-EXPLORE: 動的環境におけるマルチロボット探索のためのハイブリッド学習計画アプローチ
  群制御2026/3/1

  実行忠実度を共有し、フロンティア割り当てと局所ナビゲーションを結合することで、動的環境でのマルチロボット探索の堅牢性を向上させるハイブリッド学習・計画フレームワークを提案した。

• 適応的強化学習とモデル予測制御の切替による安全な人間-ロボット協調ナビゲーション
  ナビゲーション2026/1/1

  強化学習とモデル予測制御を状況に応じて切り替えるハイブリッド手法を提案し、混雑環境での移動ロボットの人間誘導ナビゲーションの安全性と成功率を向上させた。

• SafeEmbodAI: 身体性AIシステムにおける移動ロボットの安全フレームワーク
  安全/ナビゲーション2024/9/1

  LLMを活用した移動ロボットのナビゲーションにおいて、悪意あるコマンド注入や複雑環境での危険挙動を防ぐため、安全なプロンプト設計・状態管理・応答検証を組み合わせたフレームワークを提案し、シミュレーションで有効性を示した。

• LLM統合型移動ロボットシステムに対するプロンプトインジェクション攻撃の研究
  ロボットセキュリティ2024/8/1

  GPT-4oなどのLLMを組み込んだ移動ロボットのナビゲーションにおいて、プロンプトインジェクション攻撃が与える影響を調査し、堅牢な防御策の導入により攻撃検出とシステム性能が約30.8%向上することを示した。

• モバイルロボットにおける具現化AI：大規模言語モデルを用いたカバレッジ経路計画
  経路計画2024/7/1

  大規模言語モデル（LLM）を活用し、モバイルエージェントの高レベルなカバレッジ経路計画と低レベル制御を統合する多層フレームワークを提案。LLMの空間推論能力を評価する指標を導入し、複数のLLMで性能を比較した。

• 大規模言語モデルを用いた自動運転のためのスーパーアラインメントフレームワーク
  自動運転2024/6/1

  自動運転におけるLLMのセキュリティとプライバシーを守るため、マルチエージェントLLMによるフレームワークを提案し、11のモデルの安全性・プライバシー・コストを評価した。