Zihao Sheng

収録論文 14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

• Sim2Real-AD: VLM誘導強化学習を実車の自動運転に展開するためのモジュール型Sim-to-Realフレームワーク
  自動運転/sim2real2026/4/1

  シミュレーションで訓練したVLM誘導強化学習ポリシーを、実車にゼロショットで展開するためのフレームワークを提案し、CARLA訓練ポリシーを電気バンに搭載して実証した。

• DriveVLM-RL: 視覚言語モデルと神経科学に着想を得た強化学習による安全で実用的な自動運転
  自動運転/VLA2026/3/1

  脳の習慣的・熟慮的視覚処理に倣い、静的・動的の二経路でVLMから意味的報酬を学習する強化学習フレームワークを提案。VLMは訓練時のみ使用し展開時には除去することで推論遅延をなくし、CARLAで安全性と実用性を向上させた。

• 自動運転のための視覚-言語-行動モデルに関するサーベイ
  VLA2025/6/1

  自動運転向けの視覚・言語・行動を統合したVLAモデルについて、アーキテクチャや20以上の代表モデル、データセット、課題を初めて体系的にまとめたサーベイ。

• VLM-SAFE: 視覚言語モデルと世界モデルによる安全志向の自動運転強化学習
  自動運転/安全強化学習2025/5/1

  視覚言語モデルでシーンの意味的な安全信号を得て、世界モデルで将来軌道を想像し、その安全性を評価して方策を学習するオフライン安全強化学習フレームワークを提案。

• Sky-Drive: 人間とAIの協調および社会的配慮を実現する未来交通のための分散マルチエージェントシミュレーションプラットフォーム
  交通シミュレーション2025/4/1

  人間とAIの協調や社会的に配慮した運転エージェントの研究を可能にする、分散型マルチエージェント交通シミュレーションプラットフォームを提案した。

• CurricuVLM: 視覚言語モデルによる個別化された安全クリティカルなカリキュラム学習で安全な自動運転へ
  自動運転2025/2/1

  視覚言語モデルを活用し、自動運転エージェントの弱点を分析して個別化された安全クリティカルな訓練シナリオを動的に生成するカリキュラム学習フレームワークを提案。

• VLM-RL：視覚言語モデルと強化学習を統合した安全な自動運転フレームワーク
  自動運転2024/12/1

  事前学習済み視覚言語モデルと強化学習を組み合わせ、言語ゴールから報酬を自動生成することで、手作業の報酬設計を不要にした自動運転フレームワークを提案。CARLA実験で衝突率低減と経路完走率向上を達成。

• 物理知識と人間フィードバックを統合した信頼できる自動運転強化学習
  自動運転/RLHF2024/9/1

  人間のフィードバックと交通流モデルなどの物理知識を強化学習に組み込み、人間のデモが不完全でも物理ベースの方策以上の安全性を保証する枠組みを提案した。

• HAIM-DRL: Enhanced Human-in-the-loop Reinforcement Learning for Safe and Efficient Autonomous Driving
  2024/1/1
• CV2X-LOCA: Roadside Unit-Enabled Cooperative Localization Framework for Autonomous Vehicles
  2023/4/1
• EPG-MGCN: Ego-Planning Guided Multi-Graph Convolutional Network for Heterogeneous Agent Trajectory Prediction
  2023/3/1
• HRPose: Real-Time High-Resolution 6D Pose Estimation Network Using Knowledge Distillation
  2022/4/1
• A Cooperation-Aware Lane Change Method for Autonomous Vehicles
  2022/1/1
• Graph-Based Spatial-Temporal Convolutional Network for Vehicle Trajectory Prediction in Autonomous Driving
  2021/9/1