論文の概要: Unveiling the Surprising Efficacy of Navigation Understanding in End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2604.12208v1
• Date: Tue, 14 Apr 2026 02:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.198459
• Title: Unveiling the Surprising Efficacy of Navigation Understanding in End-to-End Autonomous Driving
• Title（参考訳）: エンド・ツー・エンド自動運転におけるナビゲーション理解の意外な効果について
• Abstract要約: エンド・ツー・エンドの自動運転システムの多くは、グローバルなナビゲーション情報の利用を怠りながら、ローカルなシーン理解に過度に依存する傾向にある。 本研究では,現実世界のナビゲーションパターンに基づくグローバルナビゲーション情報の効率的な表現であるシークエンシャルナビゲーションガイダンスフレームワークを提案する。 本研究では,地域計画とグローバルプランニングを融合した効率的なモデルSNG-VLAを提案する。
• 参考スコア（独自算出の注目度）: 21.91797840604758
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global navigation information and local scene understanding are two crucial components of autonomous driving systems. However, our experimental results indicate that many end-to-end autonomous driving systems tend to over-rely on local scene understanding while failing to utilize global navigation information. These systems exhibit weak correlation between their planning capabilities and navigation input, and struggle to perform navigation-following in complex scenarios. To overcome this limitation, we propose the Sequential Navigation Guidance (SNG) framework, an efficient representation of global navigation information based on real-world navigation patterns. The SNG encompasses both navigation paths for constraining long-term trajectories and turn-by-turn (TBT) information for real-time decision-making logic. We constructed the SNG-QA dataset, a visual question answering (VQA) dataset based on SNG that aligns global and local planning. Additionally, we introduce an efficient model SNG-VLA that fuses local planning with global planning. The SNG-VLA achieves state-of-the-art performance through precise navigation information modeling without requiring auxiliary loss functions from perception tasks. Project page: SNG-VLA
• Abstract（参考訳）: グローバルナビゲーション情報とローカルシーン理解は、自律運転システムにおいて重要な2つの要素である。 しかし,実験結果から,多くのエンド・ツー・エンドの自動運転システムは,グローバルナビゲーション情報の活用に失敗しながら,局地的理解を過度に重視する傾向が示唆された。 これらのシステムは、計画能力とナビゲーション入力の間に弱い相関関係を示し、複雑なシナリオでナビゲーション追従を行うのに苦労する。 この制限を克服するために、現実世界のナビゲーションパターンに基づいたグローバルナビゲーション情報の効率的な表現であるシークエンシャルナビゲーションガイダンス(SNG)フレームワークを提案する。 SNGは、長期軌跡を制約するためのナビゲーションパスと、リアルタイムな意思決定ロジックのためのターンバイターン(TBT)情報の両方を含んでいる。 我々はSNGに基づく視覚的質問応答(VQA)データセットであるSNG-QAデータセットを構築した。 さらに,地域計画とグローバルプランニングを融合した効率的なモデルSNG-VLAを導入する。 SNG-VLAは、知覚タスクからの補助損失関数を必要とせず、正確なナビゲーション情報モデリングにより最先端の性能を達成する。 プロジェクトページ:SNG-VLA

関連論文リスト

• SAGE-Nav: Leveraging LLM Planning and Alignment Fusion for Hierarchical Scene Graph-Guided Navigation [26.212246536363363]
  Object-Goal Navigation (Nav)は、エゴセントリックな視覚的観察のみを使用して、特定のターゲットを自律的に特定するエンボディエージェントを必要とする。 SAGE-Navは,Large Language Models(LLM)の推論機能と動的シーングラフを統合した,新しい階層型フレームワークである。 SAGE-Navは,物理ロボット展開に必要な低制御遅延を維持しつつ,ナビゲーション効率とゼロショット一般化の大幅な向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-24T07:24:39Z)
• NaviFormer: A Deep Reinforcement Learning Transformer-like Model to Holistically Solve the Navigation Problem [53.70554593151033]
  NaviFormerは、高レベル経路と低レベル軌道の両方を予測することによって、グローバルナビゲーション問題を解決する深層強化学習モデルである。 結果は,各サブプロブレムの制約や難易度を理解することができるため,NaviFormerの競合精度を示す。 計算速度が優れていることは、リアルタイムのミッションに適していることを証明している。
  論文  参考訳（メタデータ） (2026-04-18T11:32:34Z)
• SysNav: Multi-Level Systematic Cooperation Enables Real-World, Cross-Embodiment Object Navigation [46.34939555586507]
  我々は,現実世界のクロスエボデーメント展開のための3レベルObjectNavシステムであるSysNavを紹介する。 SysNavはセマンティック推論、ナビゲーション計画、モーションコントロールを分離し、堅牢性と一般化性を保証する。 本システムは,成功率と航法効率の両面で大幅に向上する。
  論文  参考訳（メタデータ） (2026-03-06T22:20:51Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• NavigScene: Bridging Local Perception and Global Navigation for Beyond-Visual-Range Autonomous Driving [10.597463021650382]
  NavigSceneは、自律運転システム内の人間のような運転環境をシミュレートする補助的なナビゲーション誘導自然言語データセットである。 NavigSceneを活用するための3つのパラダイムを開発する。(1)ナビゲーションコンテキストをプロンプトアプローチに組み込むことで視覚言語モデルを強化するナビゲーション誘導推論、(2)視覚言語モデル応答を改善するための直接参照最適化を拡張する強化学習手法であるナビゲーション誘導推論、(3)ナビゲーション誘導視覚言語モデルと特徴融合による従来の運転モデルを統合するナビゲーション誘導言語推論モデルである。
  論文  参考訳（メタデータ） (2025-07-07T17:37:01Z)
• Navigation World Models [68.58459393846461]
  本稿では,過去の観測とナビゲーション行動に基づいて,将来の視覚観測を予測できる制御可能な映像生成モデルを提案する。 慣れ親しんだ環境では、NWMはナビゲーションの軌道をシミュレートし、目的を達成するかどうかを評価することで計画することができる。 実験は、スクラッチからの軌道計画や、外部ポリシーからサンプリングされた軌道のランク付けにおいて、その効果を実証する。
  論文  参考訳（メタデータ） (2024-12-04T18:59:45Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
  視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。 ナビゲーション中に知覚を正確に記憶できるほど区画化されている。 また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
  論文  参考訳（メタデータ） (2021-03-05T03:41:00Z)

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。