論文の概要: NaviHydra: Controllable Navigation-guided End-to-end Autonomous Driving with Hydra-distillation

• arxiv url: http://arxiv.org/abs/2512.10660v1
• Date: Thu, 11 Dec 2025 14:05:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.396522
• Title: NaviHydra: Controllable Navigation-guided End-to-end Autonomous Driving with Hydra-distillation
• Title（参考訳）: NaviHydra:ハイドラ蒸留によるナビゲーション誘導型エンドツーエンド自動運転
• Authors: Hanfeng Wu, Marlon Steiner, Michael Schmidt, Alvaro Marcos-Ramiro, Christoph Stiller,
• Abstract要約: NaviHydraは、既存のルールベースのシミュレータから抽出した、制御可能なナビゲーションガイド付きエンドツーエンドモデルである。 本フレームワークは,高レベルナビゲーションコマンドを制御信号として受け入れ,特定の意図に整合した軌道を生成する。
• 参考スコア（独自算出の注目度）: 6.722962084265695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The complexity of autonomous driving scenarios requires robust models that can interpret high-level navigation commands and generate safe trajectories. While traditional rule-based systems can react to these commands, they often struggle in dynamic environments, and end-to-end methods face challenges in complying with explicit navigation commands. To address this, we present NaviHydra, a controllable navigation-guided end-to-end model distilled from an existing rule-based simulator. Our framework accepts high-level navigation commands as control signals, generating trajectories that align with specified intentions. We utilize a Bird's Eye View (BEV) based trajectory gathering method to enhance the trajectory feature extraction. Additionally, we introduce a novel navigation compliance metric to evaluate adherence to intended route, improving controllability and navigation safety. To comprehensively assess our model's controllability, we design a test that evaluates its response to various navigation commands. Our method significantly outperforms baseline models, achieving state-of-the-art results in the NAVSIM benchmark, demonstrating its effectiveness in advancing autonomous driving.
• Abstract（参考訳）: 自律運転シナリオの複雑さは、高レベルのナビゲーションコマンドを解釈し、安全なトラジェクトリを生成することのできる堅牢なモデルを必要とする。 従来のルールベースのシステムはこれらのコマンドに反応するが、動的環境ではしばしば苦労し、エンドツーエンドのメソッドは明示的なナビゲーションコマンドに従う際の課題に直面している。 そこで本研究では,既存のルールベースシミュレータから抽出したナビゲーション誘導エンドツーエンドモデルであるNaviHydraを提案する。 本フレームワークは,高レベルナビゲーションコマンドを制御信号として受け入れ,特定の意図に整合した軌道を生成する。 我々は,Bird's Eye View (BEV) を用いたトラジェクトリ収集手法を用いて,トラジェクトリ特徴抽出を強化する。 さらに、意図した経路への適応性を評価し、制御性とナビゲーション安全性を向上させるための新しいナビゲーションコンプライアンス基準を導入する。 モデルの制御性を総合的に評価するために,各種ナビゲーションコマンドに対する応答を評価する試験を設計する。 提案手法はベースラインモデルよりも優れ,NAVSIMベンチマークで最先端の成果を達成し,自動運転の進歩におけるその効果を実証する。

関連論文リスト

• NavigScene: Bridging Local Perception and Global Navigation for Beyond-Visual-Range Autonomous Driving [10.597463021650382]
  NavigSceneは、自律運転システム内の人間のような運転環境をシミュレートする補助的なナビゲーション誘導自然言語データセットである。 NavigSceneを活用するための3つのパラダイムを開発する。(1)ナビゲーションコンテキストをプロンプトアプローチに組み込むことで視覚言語モデルを強化するナビゲーション誘導推論、(2)視覚言語モデル応答を改善するための直接参照最適化を拡張する強化学習手法であるナビゲーション誘導推論、(3)ナビゲーション誘導視覚言語モデルと特徴融合による従来の運転モデルを統合するナビゲーション誘導言語推論モデルである。
  論文  参考訳（メタデータ） (2025-07-07T17:37:01Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• Navigation World Models [68.58459393846461]
  本稿では,過去の観測とナビゲーション行動に基づいて,将来の視覚観測を予測できる制御可能な映像生成モデルを提案する。 慣れ親しんだ環境では、NWMはナビゲーションの軌道をシミュレートし、目的を達成するかどうかを評価することで計画することができる。 実験は、スクラッチからの軌道計画や、外部ポリシーからサンプリングされた軌道のランク付けにおいて、その効果を実証する。
  論文  参考訳（メタデータ） (2024-12-04T18:59:45Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Control Transformer: Robot Navigation in Unknown Environments through PRM-Guided Return-Conditioned Sequence Modeling [0.0]
  サンプルベース確率的ロードマッププランナによって導かれる低レベルポリシーから返却条件付きシーケンスをモデル化する制御変換器を提案する。 制御トランスフォーマーは迷路を通り、未知の環境へ移動できることを示す。
  論文  参考訳（メタデータ） (2022-11-11T18:44:41Z)
• Topological Planning with Transformers for Vision-and-Language Navigation [31.64229792521241]
  トポロジカルマップを用いた視覚・言語ナビゲーション(VLN)のモジュール化手法を提案する。 自然言語指導とトポロジカルマップが与えられた場合,マップ内のナビゲーション計画を予測するために注意機構を利用する。 実験では,従来のエンドツーエンドアプローチを上回り,解釈可能なナビゲーションプランを生成し,バックトラックなどのインテリジェントな行動を示す。
  論文  参考訳（メタデータ） (2020-12-09T20:02:03Z)

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。