論文の概要: ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2604.02714v1
• Date: Fri, 03 Apr 2026 04:14:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.31893
• Title: ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving
• Title（参考訳）: ExploreVLA: エンド・ツー・エンドの自動運転のための高密度世界モデリングと探索
• Authors: Zihao Sheng, Xin Ye, Jingru Luo, Sikai Chen, Liu Ren,
• Abstract要約: 我々は,意味のある探索と密集した監視を実現するために,統合された理解・生成の枠組みを提案する。 我々は、高密度世界モデリングの目的として、将来のRGBと深度画像生成による軌道予測を強化した。 我々は、この探索信号を安全性の高い報酬に組み込んで、ポリシーを最適化する。
• 参考スコア（独自算出の注目度）: 19.081114003415863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end autonomous driving models based on Vision-Language-Action (VLA) architectures have shown promising results by learning driving policies through behavior cloning on expert demonstrations. However, imitation learning inherently limits the model to replicating observed behaviors without exploring diverse driving strategies, leaving it brittle in novel or out-of-distribution scenarios. Reinforcement learning (RL) offers a natural remedy by enabling policy exploration beyond the expert distribution. Yet VLA models, typically trained on offline datasets, lack directly observable state transitions, necessitating a learned world model to anticipate action consequences. In this work, we propose a unified understanding-and-generation framework that leverages world modeling to simultaneously enable meaningful exploration and provide dense supervision. Specifically, we augment trajectory prediction with future RGB and depth image generation as dense world modeling objectives, requiring the model to learn fine-grained visual and geometric representations that substantially enrich the planning backbone. Beyond serving as a supervisory signal, the world model further acts as a source of intrinsic reward for policy exploration: its image prediction uncertainty naturally measures a trajectory's novelty relative to the training distribution, where high uncertainty indicates out-of-distribution scenarios that, if safe, represent valuable learning opportunities. We incorporate this exploration signal into a safety-gated reward and optimize the policy via Group Relative Policy Optimization (GRPO). Experiments on the NAVSIM and nuScenes benchmarks demonstrate the effectiveness of our approach, achieving a state-of-the-art PDMS score of 93.7 and an EPDMS of 88.8 on NAVSIM. The code and demo will be publicly available at https://zihaosheng.github.io/ExploreVLA/.
• Abstract（参考訳）: VLA(Vision-Language-Action)アーキテクチャに基づくエンドツーエンドの自律運転モデルは、専門家によるデモンストレーションの行動クローニングを通じて、運転ポリシーを学ぶことによって、有望な結果を示している。 しかし、模倣学習は本質的には、様々な運転戦略を探索することなく、観察された行動の複製にモデルを制限し、新規またはアウト・オブ・ディストリビューションのシナリオでは不安定である。 強化学習(Reinforcement Learning, RL)は、専門家の分布を超えた政策探索を可能にすることで、自然な救済を提供する。 しかし、VLAモデルは、通常、オフラインデータセットに基づいてトレーニングされ、直接観測可能な状態遷移がなく、アクションの結果を予測するために学習された世界モデルを必要とする。 本研究では,世界モデリングを活用して意味ある探索と密集した監視を可能にする統合的理解・生成フレームワークを提案する。 具体的には、将来のRGBと深度画像生成を高密度世界モデリングの目的として拡張し、プランニングバックボーンを著しく強化する微粒な視覚的および幾何学的表現を学習する必要がある。 画像予測の不確実性は、訓練分布に対する軌道の斬新さを自然に測定し、高い不確実性は、もし安全であれば、貴重な学習機会を示す、流通外のシナリオを示す。 我々は、この探索信号を安全に配慮した報酬に組み込み、グループ相対政策最適化(GRPO)を通じてポリシーを最適化する。 NAVSIM と nuScenes のベンチマーク実験により,NAVSIM の最先端 PDMS スコア 93.7 と EPDMS 88.8 を達成し,本手法の有効性を実証した。 コードとデモはhttps://zihaosheng.github.io/ExploreVLA/で公開される。

関連論文リスト

• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)
• World-VLA-Loop: Closed-Loop Learning of Video World Model and VLA Policy [55.03832008486675]
  World-VLA-Loopは、世界モデルとVision-Language-Action (VLA) ポリシーの共同改良のためのクローズドループフレームワークである。 本研究では,将来観測と報奨信号の同時予測により,高忠実度インタラクティブシミュレータとして機能する状態認識型ビデオワールドモデルを提案する。
  論文  参考訳（メタデータ） (2026-02-06T08:57:55Z)
• 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)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• World Models via Policy-Guided Trajectory Diffusion [21.89154719069519]
  既存の世界モデルは、次の状態を予測するために、ポリシーから次のアクションをサンプリングする、自己回帰的である。 本稿では, 自己回帰的でない新しい世界モデリング手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T21:46:09Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Distribution-aware Goal Prediction and Conformant Model-based Planning for Safe Autonomous Driving [16.654299927694716]
  本研究では,学習から学習までのタスクを,障害物認識と接地,分布認識の目標予測,モデルベース計画として再構築する。 CARLAシミュレータでは,CARNOVELベンチマークの最先端結果を報告する。
  論文  参考訳（メタデータ） (2022-12-16T21:51:51Z)
• Bridging Imagination and Reality for Model-Based Deep Reinforcement Learning [72.18725551199842]
  BrIdging Reality and Dream (BIRD) と呼ばれる新しいモデルに基づく強化学習アルゴリズムを提案する。 虚構と実軌跡の相互情報を最大化し、虚構から学んだ政策改善を実軌跡に容易に一般化できるようにする。 提案手法は, モデルベース計画のサンプル効率を向上し, 挑戦的なビジュアル制御ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-23T03:22:01Z)

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。