論文の概要: On-Policy Distillation of Language Models for Autonomous Vehicle Motion Planning

• arxiv url: http://arxiv.org/abs/2604.07944v1
• Date: Thu, 09 Apr 2026 08:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.788219
• Title: On-Policy Distillation of Language Models for Autonomous Vehicle Motion Planning
• Title（参考訳）: 自律走行計画のための言語モデルのオンライン蒸留
• Authors: Amirhossein Afsharrad, Amirhesam Abedsoltan, Ahmadreza Moradipari, Sanjay Lall,
• Abstract要約: 大型言語モデル(LLM)は、最近、自動運転車の運動計画に強い可能性を実証している。 本研究では,大規模LLMからより小さく,より展開可能な学生モデルへ,運動計画の知識を効果的に伝達する方法について検討する。
• 参考スコア（独自算出の注目度）: 3.2748787252933442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have recently demonstrated strong potential for autonomous vehicle motion planning by reformulating trajectory prediction as a language generation problem. However, deploying capable LLMs in resource-constrained onboard systems remains a fundamental challenge. In this paper, we study how to effectively transfer motion planning knowledge from a large teacher LLM to a smaller, more deployable student model. We build on the GPT-Driver framework, which represents driving scenes as language prompts and generates waypoint trajectories with chain-of-thought reasoning, and investigate two student training paradigms: (i) on-policy generalized knowledge distillation (GKD), which trains the student on its own self-generated outputs using dense token-level feedback from the teacher, and (ii) a dense-feedback reinforcement learning (RL) baseline that uses the teacher's log-probabilities as per-token reward signals in a policy gradient framework. Experiments on the nuScenes benchmark show that GKD substantially outperforms the RL baseline and closely approaches teacher-level performance despite a 5$\times$ reduction in model size. These results highlight the practical value of on-policy distillation as a principled and effective approach to deploying LLM-based planners in autonomous driving systems.
• Abstract（参考訳）: 大規模言語モデル (LLM) は, 軌跡予測を言語生成問題として再構成することにより, 自律走行車両の運動計画に強い可能性を示した。 しかしながら、リソース制約のあるオンボードシステムに有能なLLMをデプロイすることは、依然として根本的な課題である。 本稿では,大規模教員のLLMからより小さく,より展開可能な学生モデルへ,運動計画の知識を効果的に伝達する方法について検討する。 GPT-Driverフレームワーク上に構築されており、運転シーンを言語プロンプトとして表現し、チェーンオブ思考推論によるウェイポイント軌跡を生成する。 (i)教師からの密集したトークンレベルのフィードバックを用いて学生に自己生成出力を訓練するオンライン総合知識蒸留(GKD) (II)政策グラデーションの枠組みにおいて,教師の対数確率を報酬信号として用いる高密度フィードバック強化学習(RL)ベースライン。 nuScenesベンチマークの実験では、GKDは5$\times$のモデルサイズ削減にもかかわらず、RLベースラインを大幅に上回り、教師レベルのパフォーマンスに近づいた。 これらの結果は、自律運転システムにLCMベースのプランナーを配置するための原則的かつ効果的なアプローチとして、オンデマンド蒸留の実践的価値を強調している。

関連論文リスト

• Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving [55.13109926181247]
  離散拡散による安全な軌道生成のためのリフレクション機構を統合した学習ベースのフレームワークであるReflectDriveを紹介する。 我々のアプローチの中心は、勾配のない反復的な自己補正を行う、安全を意識した反射機構である。 本手法は目標条件付き軌道生成から始まり,マルチモーダル運転動作をモデル化する。
  論文  参考訳（メタデータ） (2025-09-24T13:35:15Z)
• 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)
• TeLL-Drive: Enhancing Autonomous Driving with Teacher LLM-Guided Deep Reinforcement Learning [61.33599727106222]
  TeLL-Driveは、Teacher LLMを統合して、注意に基づく学生DRLポリシーをガイドするハイブリッドフレームワークである。 自己維持機構はDRLエージェントの探索とこれらの戦略を融合させ、政策収束を加速し、堅牢性を高める。
  論文  参考訳（メタデータ） (2025-02-03T14:22:03Z)
• GPT-Driver: Learning to Drive with GPT [47.14350537515685]
  我々は,OpenAI GPT-3.5モデルを自律走行車のための信頼性の高い運動プランナに変換する,シンプルで効果的なアプローチを提案する。 我々は、Large Language Models(LLMs)固有の強力な推論能力と一般化の可能性に乗じる。 我々は,大規模な nuScenes データセットに対する我々のアプローチを評価し,GPT ベースの運動プランナの有効性,一般化能力,解釈可能性について検証した。
  論文  参考訳（メタデータ） (2023-10-02T17:59:57Z)

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。