Tingguang Zhou

収録論文 4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

• BehaviorWorldGen: 行動モデルとワールドシミュレータのループを閉じる、制御可能な行動認識型構造化ワールド生成
  自動運転/シミュレーション2026/8/23

  運転行動モデルの自己改善ループにおいて、周辺エージェントの行動的に妥当な応答を生成できるシミュレータの欠如がボトルネックであることを指摘し、解釈可能な行動制御を注入してマルチエージェントの軌跡を生成するBehaviorFlowを中核とするフレームワークを提案した。

• ChainFlow-VLA: 視覚言語モデルを用いた因果フロープランニング
  自動運転2026/5/1

  自動運転の軌道計画において、自己回帰モデルによる因果生成と拡散モデルによる大域的最適化を統一するフレームワークを提案し、VLMの意味情報を活用して高精度な軌道生成を実現した。

• LATS: 大規模言語モデルを用いた教師-生徒フレームワークによる交通信号制御のためのマルチエージェント強化学習
  交通信号制御2026/3/1

  交通信号制御のためのマルチエージェント強化学習において、大規模言語モデルを教師として使い、その知識を蒸留して簡素なニューラルネットワークに移植することで、性能と汎化性を向上させる手法を提案した。

• COIN: 協調と相互作用を考慮した自動運転のためのマルチエージェント強化学習
  マルチエージェント強化学習2026/3/1

  本論文は、自動運転のためのマルチエージェント強化学習フレームワークCOINを提案し、個別目標と協調目標を同時に最適化する新しいアルゴリズムと、局所・大域の相互作用を捉える批判者アーキテクチャを導入して、密集交通での安全性と効率を向上させた。