Yicheng Guo

収録論文 7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。

• DriveHierarchy: VLM自動運転能力を開放ループ理解から閉ループ実行まで診断するベンチマーク
  VLA2026/9/25

  VLMベース自動運転を「知覚的接地・文脈記憶・心的推論・閉ループ実行」の4階層で評価する統一ベンチマークを構築し、15モデルの能力構造と開放ループ理解と閉ループ運転の関係を分析した。

• 評価を進化へ：自動運転のための敵対的拡散を閉ループカリキュラムに変換する
  自動運転/安全性評価2026/4/1

  自動運転車の安全性評価を、静的データセットに依存する従来の開ループ手法から、敵対的シナリオ生成を進化的カリキュラムとして組み込んだ閉ループフレームワークE^2を提案し、衝突発見率とロバスト性を向上させた。

• 専門家ルーティングに基づく知識駆動型拡散ポリシーによるエンドツーエンド自動運転
  自動運転2025/9/1

  拡散モデルとスパースな専門家混合ルーティングを組み合わせ、多様な運転シーンで適応的かつ解釈可能な行動を生成するエンドツーエンド自動運転ポリシーKDPを提案。

• 対抗強度を調整可能な自動運転車のインタラクティブ敵対的テスト
  自動運転テスト2025/7/1

  周囲車両を強化学習で知的試験官としてモデル化し、対抗強度を連続調整できる自動運転の敵対的テストフレームワークExamPPOを提案した。

• 人間中心の自動運転に向けて：大規模言語モデルによるガイダンスと強化学習を統合した高速・低速アーキテクチャ
  自動運転2025/5/1

  LLMがユーザーの指示を解釈して高レベルなガイダンスを生成し、強化学習エージェントがリアルタイム制御を行う「高速・低速」意思決定フレームワークを提案。衝突率を低減しつつ、ユーザーの好みに沿った運転を実現する。

• MAPPO-PIS: 事前意図共有を用いたマルチエージェント近接方策最適化によるコネクテッド自動運転車の協調意思決定
  VLA2024/8/1

  V2V通信下の自動運転車の協調意思決定に、将来の意図軌跡を生成・共有する意図生成モジュールと安全性強化モジュールを組み込んだMARL手法を提案し、人車混在の合流領域で安全性・効率を改善した。