論文の概要: Generative AI for Autonomous Driving: Frontiers and Opportunities

• arxiv url: http://arxiv.org/abs/2505.08854v1
• Date: Tue, 13 May 2025 17:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.26287
• Title: Generative AI for Autonomous Driving: Frontiers and Opportunities
• Title（参考訳）: 自律運転のためのジェネレーティブAI:フロンティアと機会
• Authors: Yuping Wang, Shuo Xing, Cui Can, Renjie Li, Hongyuan Hua, Kexin Tian, Zhaobin Mo, Xiangbo Gao, Keshu Wu, Sulong Zhou, Hengxu You, Juntong Peng, Junge Zhang, Zehao Wang, Rui Song, Mingxuan Yan, Walter Zimmer, Xingcheng Zhou, Peiran Li, Zhaohan Lu, Chia-Ju Chen, Yue Huang, Ryan A. Rossi, Lichao Sun, Hongkai Yu, Zhiwen Fan, Frank Hao Yang, Yuhao Kang, Ross Greer, Chenxi Liu, Eun Hak Lee, Xuan Di, Xinyue Ye, Liu Ren, Alois Knoll, Xiaopeng Li, Shuiwang Ji, Masayoshi Tomizuka, Marco Pavone, Tianbao Yang, Jing Du, Ming-Hsuan Yang, Hua Wei, Ziran Wang, Yang Zhou, Jiachen Li, Zhengzhong Tu,
• Abstract要約: この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
• 参考スコア（独自算出の注目度）: 145.6465312554513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Artificial Intelligence (GenAI) constitutes a transformative technological wave that reconfigures industries through its unparalleled capabilities for content creation, reasoning, planning, and multimodal understanding. This revolutionary force offers the most promising path yet toward solving one of engineering's grandest challenges: achieving reliable, fully autonomous driving, particularly the pursuit of Level 5 autonomy. This survey delivers a comprehensive and critical synthesis of the emerging role of GenAI across the autonomous driving stack. We begin by distilling the principles and trade-offs of modern generative modeling, encompassing VAEs, GANs, Diffusion Models, and Large Language Models (LLMs). We then map their frontier applications in image, LiDAR, trajectory, occupancy, video generation as well as LLM-guided reasoning and decision making. We categorize practical applications, such as synthetic data workflows, end-to-end driving strategies, high-fidelity digital twin systems, smart transportation networks, and cross-domain transfer to embodied AI. We identify key obstacles and possibilities such as comprehensive generalization across rare cases, evaluation and safety checks, budget-limited implementation, regulatory compliance, ethical concerns, and environmental effects, while proposing research plans across theoretical assurances, trust metrics, transport integration, and socio-technical influence. By unifying these threads, the survey provides a forward-looking reference for researchers, engineers, and policymakers navigating the convergence of generative AI and advanced autonomous mobility. An actively maintained repository of cited works is available at https://github.com/taco-group/GenAI4AD.
• Abstract（参考訳）: Generative Artificial Intelligence(GenAI)は、コンテンツ作成、推論、計画、マルチモーダル理解のための非並列的な能力を通じて産業を再構成する変革的な技術波を構成する。 この革命的な力は、信頼性が高く完全に自律的な運転、特にレベル5の自律性の追求という、エンジニアリングの最大の課題の1つを解決するための最も有望な道を提供する。 この調査は、自律運転スタック全体にわたるGenAIの役割の、包括的で批判的な合成を提供する。 まず, VAE, GAN, Diffusion Models, Large Language Models (LLMs) を含む, 現代の生成モデリングの原理とトレードオフを抽出することから始める。 次に、それらのフロンティアアプリケーションを、画像、LiDAR、軌道、占有、ビデオ生成、LLM誘導推論と意思決定にマップする。 我々は、合成データワークフロー、エンドツーエンドの運転戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。 我々は,レアケースにおける包括的一般化,評価・安全性チェック,予算限定実施,規制コンプライアンス,倫理的懸念,環境影響といった主要な障害と可能性を特定し,理論的保証,信頼度,輸送統合,社会技術的影響について研究計画を提案している。 これらのスレッドを統合することで、この調査は、ジェネレーティブAIと高度な自律移動の収束をナビゲートする研究者、エンジニア、政策立案者に対して、前向きな参照を提供する。 引用された作品のアクティブなリポジトリはhttps://github.com/taco-group/GenAI4ADで公開されている。

関連論文リスト

• A Survey on the Applications of Frontier AI, Foundation Models, and Large Language Models to Intelligent Transportation Systems [8.017557640367938]
  本稿では,知的交通システム(ITS)の領域におけるフロンティアAI,基礎モデル,大規模言語モデル(LLM)の変容的影響について検討する。 交通インテリジェンスを推進し、交通管理を最適化し、スマートシティの実現に寄与する重要な役割を強調している。
  論文  参考訳（メタデータ） (2024-01-12T10:29:48Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Integrating Generative Artificial Intelligence in Intelligent Vehicle Systems [4.724940029079736]
  自動車産業がAIを徐々に統合するにつれ、生成的人工知能技術はユーザーインタラクションに革命をもたらす可能性を秘めている。 本稿では, 音声, 音声, 視覚, マルチモーダルインタラクションを重視した, 自動車分野における生成人工知能の現在の応用について概説する。 我々は、ドメイン適応性、アライメント、マルチモーダル統合など、将来の重要な研究分野について概説し、倫理に関する課題やリスクに対処する。
  論文  参考訳（メタデータ） (2023-05-15T09:09:40Z)
• Explainable Artificial Intelligence for Autonomous Driving: A Comprehensive Overview and Field Guide for Future Research Directions [8.012552653212687]
  この研究は、自律運転のための説明可能な人工知能(XAI)アプローチの開発に光を当てている。 まず、XAIをベースとした自動運転における最先端および新興のアプローチの概要について概説する。 次に、説明可能なエンドツーエンド自動運転に不可欠な要素を考察する概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-21T22:51:37Z)
• Towards Safe, Explainable, and Regulated Autonomous Driving [11.043966021881426]
  本稿では、自律制御、説明可能なAI(XAI)、規制コンプライアンスを統合するフレームワークを提案する。 フレームワークの目標を達成するのに役立つ、関連するXAIアプローチについて説明します。
  論文  参考訳（メタデータ） (2021-11-20T05:06:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。