論文の概要: Deconfounded Lifelong Learning for Autonomous Driving via Dynamic Knowledge Spaces

• arxiv url: http://arxiv.org/abs/2603.14354v1
• Date: Sun, 15 Mar 2026 12:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.76639
• Title: Deconfounded Lifelong Learning for Autonomous Driving via Dynamic Knowledge Spaces
• Title（参考訳）: 動的知識空間による自律運転のための生涯学習の廃止
• Authors: Jiayuan Du, Yuebing Song, Yiming Zhao, Xianghui Pan, Jiawei Lian, Yuchu Lu, Liuyi Wang, Chengju Liu, Qijun Chen,
• Abstract要約: 本稿では,Dirichlet Process Mixed Model(DPMM)と正面調整機構を因果推論から統合したDecon founded Lifelong Learningフレームワークを提案する。 我々のフレームワークは、クラスタ数を事前に定義することなく、適応的な拡張とインクリメンタルな知識更新を可能にします。 E2E-ADの生涯学習性能を評価するため,Bench2Driveに基づく新しい評価プロトコルとメトリクスを提案する。
• 参考スコア（独自算出の注目度）: 30.173071023420217
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: End-to-End autonomous driving (E2E-AD) systems face challenges in lifelong learning, including catastrophic forgetting, difficulty in knowledge transfer across diverse scenarios, and spurious correlations between unobservable confounders and true driving intents. To address these issues, we propose DeLL, a Deconfounded Lifelong Learning framework that integrates a Dirichlet process mixture model (DPMM) with the front-door adjustment mechanism from causal inference. The DPMM is employed to construct two dynamic knowledge spaces: a trajectory knowledge space for clustering explicit driving behaviors and an implicit feature knowledge space for discovering latent driving abilities. Leveraging the non-parametric Bayesian nature of DPMM, our framework enables adaptive expansion and incremental updating of knowledge without predefining the number of clusters, thereby mitigating catastrophic forgetting. Meanwhile, the front-door adjustment mechanism utilizes the DPMM-derived knowledge as valid mediators to deconfound spurious correlations, such as those induced by sensor noise or environmental changes, and enhances the causal expressiveness of the learned representations. Additionally, we introduce an evolutionary trajectory decoder that enables non-autoregressive planning. To evaluate the lifelong learning performance of E2E-AD, we propose new evaluation protocols and metrics based on Bench2Drive. Extensive evaluations in the closed-loop CARLA simulator demonstrate that our framework significantly improves adaptability to new driving scenarios and overall driving performance, while effectively retaining previous acquired knowledge.
• Abstract（参考訳）: E2E-AD(End-to-End autonomous driving)システムは、破滅的な忘れ込み、さまざまなシナリオにおける知識伝達の難しさ、観察不能な共同創設者と真の運転意図の急激な相関など、生涯にわたる学習の課題に直面している。 これらの問題に対処するため、我々はDeLLを提案する。DeLLは、Dirichlet Process Mixed Model(DPMM)と、因果推論によるフロントドア調整機構を統合した、DeLL(Decon founded Lifelong Learning framework)である。 DPMMは、明示的な運転行動をクラスタリングするための軌道知識空間と、潜在運転能力を発見するための暗黙的な特徴知識空間の2つの動的知識空間を構築するために使用される。 DPMMの非パラメトリックベイズの性質を活用して,クラスタ数を事前に定義することなく,適応的な拡張と知識の漸進的更新を可能にし,破滅的な忘れを緩和する。 一方、正面調整機構は、DPMM由来の知識を有効なメディエータとして活用し、センサノイズや環境変化によって引き起こされるような刺激的な相関関係を解き明かし、学習された表現の因果表現性を高める。 さらに,非自己回帰計画を可能にする進化軌道デコーダを導入する。 E2E-ADの生涯学習性能を評価するため,Bench2Driveに基づく新しい評価プロトコルとメトリクスを提案する。 閉ループCARLAシミュレータの広範囲な評価により,我々のフレームワークは,従来の知識を効果的に保ちつつ,新しい運転シナリオへの適応性と全体の運転性能を大幅に向上することを示した。

関連論文リスト

• Large Multimodal Models for Embodied Intelligent Driving: The Next Frontier in Self-Driving? [68.82027978227008]
  この記事では、この課題に取り組むために、新しいセマンティクスとポリシーの二重駆動型ハイブリッド決定フレームワークを紹介します。 このフレームワークは、意味理解と認知表現のためのLMMと、リアルタイムポリシー最適化のための深層強化学習(DRL)を統合している。 本研究は,車線変更計画作業におけるフレームワークの性能優位性を検証するための事例研究である。
  論文  参考訳（メタデータ） (2026-01-13T11:05:12Z)
• ASK: Adaptive Self-improving Knowledge Framework for Audio Text Retrieval [19.94287753279928]
  オーディオテキスト検索(ATR)の主流パラダイムは、ミニバッチベースのコントラスト学習に依存している。 Gradient Locality Bottleneck(GLB)は、モデルがバッチ外の知識を活用することを構造的に防止する。 Representation-Drift Mismatch(Representation-Drift Mismatch、RDM)とは、静的知識ベースが進化するモデルと徐々に不一致になり、ガイダンスがノイズになる現象である。
  論文  参考訳（メタデータ） (2025-12-11T14:48:30Z)
• ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving [49.07731497951963]
  ReCogDriveは、エンドツーエンドの自動運転のための新しい強化認知フレームワークである。 我々は、人間のドライバーのシーケンシャルな認知過程を模倣する階層的なデータパイプラインを導入する。 次に、VLMの学習した運転先を拡散プランナーに注入することで、言語行動ミスマッチに対処する。
  論文  参考訳（メタデータ） (2025-06-09T03:14:04Z)
• LeapVAD: A Leap in Autonomous Driving via Cognitive Perception and Dual-Process Thinking [13.898774643126174]
  LeapVADは、運転決定に影響を及ぼす重要な交通要素を特定し、焦点を合わせるための人間中心のメカニズムを実装している。 システムは、論理的推論を通じて駆動経験を蓄積する分析プロセス(System-II)と、微調整と少数ショット学習によってこの知識を洗練するヒューリスティックプロセス(System-I)から構成される。
  論文  参考訳（メタデータ） (2025-01-14T14:49:45Z)
• SenseRAG: Constructing Environmental Knowledge Bases with Proactive Querying for LLM-Based Autonomous Driving [10.041702058108482]
  本研究では,大規模言語モデル(LLM)の文脈推論機能を活用することにより,自律運転(AD)における状況認識の高度化の必要性に対処する。 厳密なラベルベースのアノテーションに依存する従来の認識システムとは異なり、リアルタイムのマルチモーダルセンサーデータを統一されたLLM対応の知識ベースに統合する。 実世界のV2Xデータセットを用いた実験結果は、知覚と予測性能の大幅な改善を示す。
  論文  参考訳（メタデータ） (2025-01-07T05:15:46Z)
• MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
  適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。 まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。 さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
  論文  参考訳（メタデータ） (2024-06-23T15:30:40Z)
• Continuously Learning, Adapting, and Improving: A Dual-Process Approach to Autonomous Driving [33.465785037065594]
  本稿では,人間の認知プロセスに触発された自律運転の新しいパラダイムである LeapADを紹介する。 特に LeapADは、意思決定に関連する重要なオブジェクトを選択することで、人間の注意をエミュレートする。 システムは、徹底的な分析と推論のための分析プロセス(System-II)と、迅速な経験的処理のためのヒューリスティックプロセス(System-I)から構成される。
  論文  参考訳（メタデータ） (2024-05-24T08:07:28Z)
• Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
  本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。 LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。 適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
  論文  参考訳（メタデータ） (2023-11-28T03:13:09Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)

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。