論文の概要: FocalAD: Local Motion Planning for End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2506.11419v1
• Date: Fri, 13 Jun 2025 02:39:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.633437
• Title: FocalAD: Local Motion Planning for End-to-End Autonomous Driving
• Title（参考訳）: FocalAD: エンドツーエンド自動運転のためのローカルモーションプランニング
• Authors: Bin Sun, Boao Zhang, Jiayi Lu, Xinjie Feng, Jiachen Shang, Rui Cao, Mengchao Zheng, Chuanye Wang, Shichun Yang, Yaoguang Cao, Ziying Song,
• Abstract要約: エンドツーエンドの自動運転では、運動予測は自走車計画において重要な役割を果たす。 既存の手法はしばしばグローバルに集約された動作特徴に依存しており、計画決定は主に少数の局所的相互作用エージェントの影響を受けているという事実を無視している。 本稿では,FocalADを提案する。FocalADは,局所的な動きの表現の強化によって,重要な地域住民とプランニングに焦点をあてた新しいフレームワークである。
• 参考スコア（独自算出の注目度）: 11.37427528557442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In end-to-end autonomous driving,the motion prediction plays a pivotal role in ego-vehicle planning. However, existing methods often rely on globally aggregated motion features, ignoring the fact that planning decisions are primarily influenced by a small number of locally interacting agents. Failing to attend to these critical local interactions can obscure potential risks and undermine planning reliability. In this work, we propose FocalAD, a novel end-to-end autonomous driving framework that focuses on critical local neighbors and refines planning by enhancing local motion representations. Specifically, FocalAD comprises two core modules: the Ego-Local-Agents Interactor (ELAI) and the Focal-Local-Agents Loss (FLA Loss). ELAI conducts a graph-based ego-centric interaction representation that captures motion dynamics with local neighbors to enhance both ego planning and agent motion queries. FLA Loss increases the weights of decision-critical neighboring agents, guiding the model to prioritize those more relevant to planning. Extensive experiments show that FocalAD outperforms existing state-of-the-art methods on the open-loop nuScenes datasets and closed-loop Bench2Drive benchmark. Notably, on the robustness-focused Adv-nuScenes dataset, FocalAD achieves even greater improvements, reducing the average colilision rate by 41.9% compared to DiffusionDrive and by 15.6% compared to SparseDrive.
• Abstract（参考訳）: エンドツーエンドの自動運転では、運動予測は自走車計画において重要な役割を果たす。 しかし、既存の手法はしばしばグローバルに集約された動作特徴に依存しており、計画決定は少数の局所的相互作用エージェントの影響を主に受けているという事実を無視している。 これらの重要な局所的な相互作用に出席できないことは潜在的なリスクを曖昧にし、計画の信頼性を損なう可能性がある。 本研究では,FocalADを提案する。FocalADは,局所的な動きの表現を強化することで,重要な地域住民や計画立案に焦点を当てた,エンドツーエンドの自動運転フレームワークである。 具体的には、FocalADはEgo-Local-Agents Interactor (ELAI)とFocal-Local-Agents Loss (FLA Loss)の2つのコアモジュールから構成されている。 ELAIはグラフベースのego中心のインタラクション表現を実行し、ローカルな隣人との動きのダイナミクスをキャプチャして、ego計画とエージェントの動作クエリの両方を強化する。 FLAロスは決定クリティカルな隣人エージェントの重みを増し、計画に関係のあるエージェントを優先順位付けするモデルを導いた。 大規模な実験により、FocalADはオープンループのnuScenesデータセットとクローズループのBench2Driveベンチマークにおいて、既存の最先端メソッドよりも優れています。 特に、ロバストネスにフォーカスしたAdv-nuScenesデータセットでは、FocalADはさらに改善され、DiffusionDriveよりも平均的な大腸菌の濃度が41.9%、SparseDriveより15.6%削減された。

関連論文リスト

• Dynamically Local-Enhancement Planner for Large-Scale Autonomous Driving [15.68766075910435]
  本稿では,基本運転プランナをローカル運転データで動的に拡張するという概念を紹介し,プランナ自体を永久に修正することなく実現する。 提案手法では,局所観測データから局所的な運転特徴を抽出するマルコフ決定過程の定式化とグラフニューラルネットワークを導入する。 その結果, 本手法は, より軽量なスケールを維持しつつ, 安全性(衝突率)と平均報酬の両方において, 基本方針よりも優れていた。
  論文  参考訳（メタデータ） (2025-02-28T15:17:20Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
  PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。 我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
  論文  参考訳（メタデータ） (2023-11-14T11:53:24Z)

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。