Buchumschlag

Motion Forecasting via Model-Based Risk Minimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Distelzweig, Aron, Kosman, Eitan, Look, Andreas, Janjoš, Faris, Manivannan, Denesh K., Valada, Abhinav
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochasticity in Motion: An Information-Theoretic Approach to Trajectory Prediction
von: Distelzweig, Aron, et al.
Veröffentlicht: (2024)

Uncertainty Matters: Structured Probabilistic Online Mapping for Motion Prediction in Autonomous Driving
von: Gogoi, Pritom, et al.
Veröffentlicht: (2026)

When Planners Meet Reality: How Learned, Reactive Traffic Agents Shift nuPlan Benchmarks
von: Hagedorn, Steffen, et al.
Veröffentlicht: (2025)

ForecastOcc: Vision-based Semantic Occupancy Forecasting
von: Mohan, Riya, et al.
Veröffentlicht: (2026)

Conditional Unscented Autoencoders for Trajectory Prediction
von: Janjoš, Faris, et al.
Veröffentlicht: (2023)

The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning
von: von Hartz, Jan Ole, et al.
Veröffentlicht: (2025)

MSG: Multi-Stream Generative Policies for Sample-Efficient Robotic Manipulation
von: von Hartz, Jan Ole, et al.
Veröffentlicht: (2025)

Spectral Alignment in Forward-Backward Representations via Temporal Abstraction
von: Azad, Seyed Mahdi B., et al.
Veröffentlicht: (2026)

Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models
von: Hurtado, Juana Valeria, et al.
Veröffentlicht: (2025)

Beyond Self-Play and Scale: A Behavior Benchmark for Generalization in Autonomous Driving
von: Distelzweig, Aron, et al.
Veröffentlicht: (2026)

Structured Diffusion Bridges: Inductive Bias for Denoising Diffusion Bridges
von: Kosman, Eitan, et al.
Veröffentlicht: (2026)

Perfect Prediction or Plenty of Proposals? What Matters Most in Planning for Autonomous Driving
von: Distelzweig, Aron, et al.
Veröffentlicht: (2025)

Scaling Laws of Motion Forecasting and Planning -- Technical Report
von: Baniodeh, Mustafa, et al.
Veröffentlicht: (2025)

Open-World Motion Forecasting
von: Schischka, Nicolas, et al.
Veröffentlicht: (2026)

Deceptive Risk Minimization: Out-of-Distribution Generalization by Deceiving Distribution Shift Detectors
von: Majumdar, Anirudha
Veröffentlicht: (2025)

Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models
von: Liang, Jinhao, et al.
Veröffentlicht: (2025)

Open-Set LiDAR Panoptic Segmentation Guided by Uncertainty-Aware Learning
von: Mohan, Rohit, et al.
Veröffentlicht: (2025)

Motion Planning Diffusion: Learning and Planning of Robot Motions with Diffusion Models
von: Carvalho, Joao, et al.
Veröffentlicht: (2023)

IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models
von: Ling, Yiyang, et al.
Veröffentlicht: (2025)

Reinforcement Learning via Auxiliary Task Distillation
von: Harish, Abhinav Narayan, et al.
Veröffentlicht: (2024)

Hierarchical Open-Vocabulary 3D Scene Graphs for Language-Grounded Robot Navigation
von: Werby, Abdelrhman, et al.
Veröffentlicht: (2024)

Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios?
von: Hallgarten, Marcel, et al.
Veröffentlicht: (2024)

Reviving Life on the Edge: Joint Score-Based Graph Generation of Rich Edge Attributes
von: Berman, Nimrod, et al.
Veröffentlicht: (2024)

Automating the Refinement of Reinforcement Learning Specifications
von: Ambadkar, Tanmay, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Robotic World Model Makes Offline Model-Based Reinforcement Learning Work on Real Robots
von: Li, Chenhao, et al.
Veröffentlicht: (2025)

MMP++: Motion Manifold Primitives with Parametric Curve Models
von: Lee, Yonghyeon
Veröffentlicht: (2023)

Distilling On-device Language Models for Robot Planning with Minimal Human Intervention
von: Ravichandran, Zachary, et al.
Veröffentlicht: (2025)

Scalable Decision-Making in Stochastic Environments through Learned Temporal Abstraction
von: Luo, Baiting, et al.
Veröffentlicht: (2025)

Train-Once Plan-Anywhere Kinodynamic Motion Planning via Diffusion Trees
von: Hassidof, Yaniv, et al.
Veröffentlicht: (2025)

Evolutionary Policy Optimization
von: Wang, Jianren, et al.
Veröffentlicht: (2025)

Driving is a Game: Combining Planning and Prediction with Bayesian Iterative Best Response
von: Distelzweig, Aron, et al.
Veröffentlicht: (2025)

KoopMotion: Learning Almost Divergence Free Koopman Flow Fields for Motion Planning
von: Li, Alice Kate, et al.
Veröffentlicht: (2025)

Learning Through Retrospection: Improving Trajectory Prediction for Automated Driving with Error Feedback
von: Hagedorn, Steffen, et al.
Veröffentlicht: (2025)

MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives
von: Wang, Tingwu, et al.
Veröffentlicht: (2026)

RAG-Modulo: Solving Sequential Tasks using Experience, Critics, and Language Models
von: Jain, Abhinav, et al.
Veröffentlicht: (2024)

The Neural Compass: Probabilistic Relative Feature Fields for Robotic Search
von: Somaschini, Gabriele, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Controlled Differential Equations for Scalable Long Horizon Multi-Agent Motion Forecasting
von: Sural, Shounak, et al.
Veröffentlicht: (2025)

Spiking Neural Networks for Continuous Control via End-to-End Model-Based Learning
von: Huebotter, Justus, et al.
Veröffentlicht: (2025)

Neural Fields in Robotics: A Survey
von: Irshad, Muhammad Zubair, et al.
Veröffentlicht: (2024)

HACMan++: Spatially-Grounded Motion Primitives for Manipulation
von: Jiang, Bowen, et al.
Veröffentlicht: (2024)