An Open-Source Modular Benchmark for Diffusion-Based Motion Planning in Closed-Loop Autonomous Driving
IEEE International Conference on Intelligent Transportation Systems (ITSC) (ITSC 2026)
Yun Li
博士候选人 · JSPS DC2 特别研究员 · TIER IV 学生研究员
生成式 AI · 世界模型 · 自动驾驶
Tsukada Lab, The University of Tokyo
我是东京大学 塚田研究室博士候选人（情报理工学系研究科），预计 2026 年 9 月毕业。2026 年获得 JSPS DC2 录用（KAKENHI 26KJ0799）。
研究方向是自动驾驶里的生成模型，具体说就是怎么把 VLA 驾驶策略做安全，以及怎么把扩散轨迹规划器做到能上车的速度。博士论文：Safe and Efficient Generative Models for Autonomous Driving: From Preference-Aligned VLA to Real-Time Diffusion Planning。两条主线：
- VLA 驾驶模型的偏好对齐。 PrefDrive（IV 2025）是我做的第一项基于 DPO 的驾驶策略研究；Multi-PrefDrive（IROS 2025）把它扩展到 Plackett–Luce 排序；JSAI 2026 是日文短文版。
- 实时扩散规划。 Modular Diffusion Benchmark（ITSC 2026，那不勒斯）把整体的 ONNX 扩散规划器拆成可替换的模块；ICML 2026 RLxF Workshop 上那篇证明了位精确安全奖励的 no-go 结论，并给出一个绕过它的 ODD 自适应 shared/expert LoRA。
教育背景
- 博士候选人，东京大学 情报理工学系研究科（2023–2026 预计）
- 工学硕士（信息通信工学），东京工业大学（2021–2023）GPA 3.57/4.0
- 工学学士（车辆工程），吉林大学（2017–2021）名古屋大学交换
- 研究助理，吉林大学 汽车仿真与控制 国家重点实验室（2020–2022）
业界经历
- 研究实习生，华为 2012 实验室 深圳 （2025 年 7–11 月）
- 访问学者，CMU Nakahira Lab （2025 年 4–5 月）
- 学生研究员，TIER IV （2024 年 4 月至今）
- 研究实习生，NEC 数据科学研究实验室 （2022 年 8–9 月）
邀请报告
- “Preference-Guided LLMs for Driving Assistance”，SPADE Workshop @ IV 2025，Cluj-Napoca（报告 + Panel）。
- “Foundation Models for Autonomous Driving”，FMAD Workshop @ ITSC 2024，Edmonton。
- “Large Language and Vision Models for Autonomous Driving”，LLVM-AD Workshop @ ITSC 2024，Edmonton。
- “Vision Language Model based Human-Centered Autonomous Driving”，VLM-AD Workshop @ ITSC 2024，Edmonton。
专利
- Yun Li, R. Zhao, Z. Gao. “基于深度强化学习的自动驾驶交叉口无冲突协同方法.” 中国专利 CN115457782A，2023。
推荐视频
最新动态
- 参加学振フレンドシップミーティング 2026
- 在塚田研究室完成博士预审答辩
- JSPS DC2 (科研费 26KJ0799) 获录用
- Modular Diffusion Benchmark 被 ITSC 2026 录用
- Multi-PrefDrive 被 IROS 2025 录用
论文
2026
Learning Diffusion Planners from World Feedback: A No-Go Result on Bit-Exact Safety Rewards and an ODD-Adaptive Shared/Expert Decomposition
Workshop on Reinforcement Learning from World Feedback (RLxF), ICML 2026 (ICML 2026 RLxF Workshop)
正則化付き多重選好学習による自動運転 VLA モデルの安全制約アライメント
JSAI 2026 (人工知能学会全国大会) (JSAI 2026)
2025
Multi-PrefDrive: Optimizing Large Language Models for Autonomous Driving Through Multi-Preference Tuning
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (IROS 2025)
PrefDrive: Enhancing Autonomous Driving through Preference-Guided Large Language Models
IEEE Intelligent Vehicles Symposium (IV) (IV 2025)
Centralized Cooperation for Connected Autonomous Vehicles at Intersections by Safe Deep Reinforcement Learning
IEEE Transactions on Mobile Computing (TMC) (IEEE TMC [IF 7.9, CCF A])
Autonomous Intersection Management via Prior-Enhanced Multi-Agent Constrained Decision Transformer
IEEE Transactions on Intelligent Transportation Systems (T-ITS) (IEEE T-ITS [IF 8.5, Q1])
2024
Large Language Models for Human-like Autonomous Driving Decision Making: A Survey
IEEE International Conference on Intelligent Transportation Systems (ITSC) (IEEE ITSC 2024)
Vehicle Collision Warning Method at Intersection Based on V2I Communication
吉林大学学报 (J. Jilin Univ.)
Sce2DriveX: A Generalized MLLM Framework for Scene-to-Drive Learning
IEEE Robotics and Automation Letters (RA-L) (IEEE RA-L [IF 5.2, Q1])
Safe Multi-Agent Deep Reinforcement Learning for the Management of Autonomous Connected Vehicles at Future Intersections
IEEE Transactions on Parallel and Distributed Systems (TPDS) (IEEE TPDS [IF 5.6, CCF A])
A Survey on Recent Advancements in Autonomous Driving Using Deep Reinforcement Learning: Applications, Challenges, and Solutions
IEEE Transactions on Intelligent Transportation Systems (T-ITS) (IEEE T-ITS [IF 7.9, CCF A])
2023
Reinforcement Learning-Based Cognitive Radio Transmission Scheduling in Vehicular Systems
IEEE 97th Vehicular Technology Conference (VTC-Spring) (IEEE VTC-Spring 2023)
Multi-Agent Constrained Policy Optimization for Conflict-Free Management of Connected Autonomous Vehicles at Unsignalized Intersections
IEEE Transactions on Intelligent Transportation Systems (T-ITS) (IEEE T-ITS [IF 7.9, CCF A])
Centralized Cooperative Control for Autonomous Vehicles at Unsignalized All-Directional Intersections: A Multi-Agent Projection-Based Constrained Policy Optimization Approach
Expert Systems with Applications (ESWA [IF 8.5, Q1])