論文の概要: The Era of End-to-End Autonomy: Transitioning from Rule-Based Driving to Large Driving Models

• arxiv url: http://arxiv.org/abs/2603.16050v1
• Date: Tue, 17 Mar 2026 01:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.063682
• Title: The Era of End-to-End Autonomy: Transitioning from Rule-Based Driving to Large Driving Models
• Title（参考訳）: エンド・ツー・エンド・オートノミーの時代:ルールに基づく運転から大規模運転モデルへの移行
• Authors: Eduardo Nebot, Julie Stephany Berrio Perez,
• Abstract要約: 我々は、Teslaのフルセルフドライブ(FSD)V12 V14、Rivianの統一インテリジェンスプラットフォーム、NVIDIA Cosmos、新しい商用ロボタクシーの展開を分析します。 主要な製品カテゴリーは監督型E2E運転であり、しばしばFSD(Supervised)またはL2プラスと呼ばれる。 初期の運用上の証拠は、E2E学習が現実世界の運転シナリオの長い尾の分布を処理し、主要な商業戦略になりつつあることを示唆している。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving is undergoing a shift from modular rule based pipelines toward end to end (E2E) learning systems. This paper examines this transition by tracing the evolution from classical sense perceive plan control architectures to large driving models (LDMs) capable of mapping raw sensor input directly to driving actions. We analyze recent developments including Tesla's Full Self Driving (FSD) V12 V14, Rivian's Unified Intelligence platform, NVIDIA Cosmos, and emerging commercial robotaxi deployments, focusing on architectural design, deployment strategies, safety considerations and industry implications. A key emerging product category is supervised E2E driving, often referred to as FSD (Supervised) or L2 plus plus, which several manufacturers plan to deploy from 2026 onwards. These systems can perform most of the Dynamic Driving Task (DDT) in complex environments while requiring human supervision, shifting the driver's role to safety oversight. Early operational evidence suggests E2E learning handles the long tail distribution of real world driving scenarios and is becoming a dominant commercial strategy. We also discuss how similar architectural advances may extend beyond autonomous vehicles (AV) to other embodied AI systems, including humanoid robotics.
• Abstract（参考訳）: 自律運転は、モジュラールールベースのパイプラインからエンド・ツー・エンド(E2E)学習システムへのシフトを受けている。 本稿では,古典的な感覚から大規模駆動モデル (LDM) への進化を辿り, 生のセンサ入力を直接駆動行動にマッピングする手法について検討する。 我々は、Teslaのフルセルフドライブ(FSD)V12 V14、Rivianの統一インテリジェンスプラットフォーム、NVIDIA Cosmos、新しい商用ロボタクシーの展開など、最近の開発状況を分析し、アーキテクチャ設計、デプロイメント戦略、安全性考慮、業界への影響に焦点を当てた。 主要な製品カテゴリーは監督型E2E運転であり、FSD(Supervised)またはL2プラスと呼ばれることが多い。 これらのシステムは、人間の監督を必要としながら複雑な環境で動的運転タスク(DDT)のほとんどを実行することができ、ドライバーの役割を安全監視に移すことができる。 初期の運用上の証拠は、E2E学習が現実世界の運転シナリオの長い尾の分布を処理し、主要な商業戦略になりつつあることを示唆している。 また、同様のアーキテクチャの進歩が、自動運転車(AV)からヒューマノイドロボティクスを含む他の具体的AIシステムにどのように拡張されるかについても論じる。

関連論文リスト

• DiffVLA++: Bridging Cognitive Reasoning and End-to-End Driving through Metric-Guided Alignment [17.820853548534735]
  VLA(Vision-Language-Action)モデルは、世界知識を活用して挑戦的なケースを扱うが、3D推論能力に制限があるため、物理的に不可能なアクションにつながる可能性がある。 DiffVLA++は、認知的推論とE2E計画を明確にブリッジする、拡張された自律運転フレームワークである。
  論文  参考訳（メタデータ） (2025-10-20T04:49:14Z)
• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  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。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry [0.0]
  本研究では,車体前方移動動作を制御するハイウェイランプ機能について検討し,車体が進入する高速道路交通の流れとの衝突を最小限に抑える。 我々はこの問題に対してゲーム理論的マルチエージェント(MA)アプローチを採用し、深層強化学習(DRL)に基づくコントローラの利用について検討する。 本稿では,2台以上の車両(エージェント)の相互作用を研究することで既存の作業を拡張し,交通量やエゴカーを付加して道路シーンを体系的に拡張する。
  論文  参考訳（メタデータ） (2024-11-21T21:23:46Z)
• 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)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)

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。