論文の概要: Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models

• arxiv url: http://arxiv.org/abs/2602.06214v2
• Date: Mon, 09 Feb 2026 11:33:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 17:49:39.493394
• Title: Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models
• Title（参考訳）: 車両運動モデルによるエンド・ツー・エンド自動運転におけるウェイポイント・アクションギャップの対応
• Authors: Jorge Daniel Rodríguez-Vidal, Gabriel Villalonga, Diego Porres, Antonio M. López Peña,
• Abstract要約: 予測された動作シーケンスを対応するエゴフレーム・ウェイポイント・トラジェクトリにロールアウトする、微分可能な車両モデルフレームワークを提案する。 当社のアプローチでは,ウェイポイントベースのベンチマーク内で,アクションベースのアーキテクチャを初めてトレーニングし,評価することが可能です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-End Autonomous Driving (E2E-AD) systems are typically grouped by the nature of their outputs: (i) waypoint-based models that predict a future trajectory, and (ii) action-based models that directly output throttle, steer and brake. Most recent benchmark protocols and training pipelines are waypoint-based, which makes action-based policies harder to train and compare, slowing their progress. To bridge this waypoint-action gap, we propose a novel, differentiable vehicle-model framework that rolls out predicted action sequences to their corresponding ego-frame waypoint trajectories while supervising in waypoint space. Our approach enables action-based architectures to be trained and evaluated, for the first time, within waypoint-based benchmarks without modifying the underlying evaluation protocol. We extensively evaluate our framework across multiple challenging benchmarks and observe consistent improvements over the baselines. In particular, on NAVSIM \texttt{navhard} our approach achieves state-of-the-art performance. Our code will be made publicly available upon acceptance.
• Abstract（参考訳）: E2E-AD(End-to-End Autonomous Driving)システムは通常、出力の性質によってグループ化される。 (i)将来の軌跡を予測するウェイポイントモデル、及び (II)スロットル、ステア、ブレーキを直接出力するアクションベースモデル。 最近のベンチマークプロトコルとトレーニングパイプラインはウェイポイントベースで、アクションベースのポリシのトレーニングと比較が難しくなり、進捗が遅くなっている。 このウェイポイント・アクション・ギャップを埋めるために、ウェイポイント空間を監督しながら、予測されたアクションシーケンスを対応するエゴフレーム・ウェイポイント・トラジェクトリにロールアウトする、新しい微分可能な車両モデルフレームワークを提案する。 我々のアプローチは、基盤となる評価プロトコルを変更することなく、初めて、ウェイポイントベースのベンチマーク内でアクションベースのアーキテクチャをトレーニングし、評価することができる。 我々は、複数の挑戦的なベンチマークでフレームワークを広範囲に評価し、ベースラインに対する一貫した改善を観察する。 特に、NAVSIM \texttt{navhard} では、我々のアプローチは最先端のパフォーマンスを達成する。 私たちのコードは受理時に公開されます。

関連論文リスト

• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• Safety Aware Autonomous Path Planning Using Model Predictive Reinforcement Learning for Inland Waterways [2.0623470039259946]
  モデル予測強化学習(MPRL)と呼ばれる強化学習に基づく新しい経路計画手法を提案する。 MPRLは、船が従うための一連のウェイポイントを計算する。 提案手法を2つのシナリオで実証し,Frenetフレームを用いた経路計画とPPOエージェントに基づく経路計画との比較を行った。
  論文  参考訳（メタデータ） (2023-11-16T13:12:58Z)
• TAPIR: Tracking Any Point with per-frame Initialization and temporal Refinement [64.11385310305612]
  本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。 提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。 結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
  論文  参考訳（メタデータ） (2023-06-14T17:07:51Z)
• Variational Latent Branching Model for Off-Policy Evaluation [23.073461349048834]
  マルコフ決定過程(MDP)の遷移関数を学習するための変動潜在分岐モデル(VLBM)を提案する。 ランダムなモデル重みに対するモデルの堅牢性を改善するために分岐アーキテクチャを導入する。 VLBM は既存の OPE 手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2023-01-28T02:20:03Z)
• Waypoint Models for Instruction-guided Navigation in Continuous Environments [68.2912740006109]
  本稿では,言語条件付きウェイポイント予測ネットワークのクラスを開発し,この問題について検討する。 プロファイリングされたLoCoBotロボット上でのタスク性能と実行時間の推定を行う。 我々のモデルは、VLN-CEにおける以前の仕事を上回り、新しい最先端の技術を公衆のリーダーボードに置きました。
  論文  参考訳（メタデータ） (2021-10-05T17:55:49Z)

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。