論文の概要: ProDrive: Proactive Planning for Autonomous Driving via Ego-Environment Co-Evolution

• arxiv url: http://arxiv.org/abs/2604.25329v1
• Date: Tue, 28 Apr 2026 07:46:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.76457
• Title: ProDrive: Proactive Planning for Autonomous Driving via Ego-Environment Co-Evolution
• Title（参考訳）: ProDrive:エゴ環境共進化による自動運転の積極的な計画
• Authors: Chuyao Fu, Shengzhe Gan, Zhuoli Ouyang, Yuhan Rui, Xiaowei Chi, Sirui Han, Jiankun Wang, Hong Zhang,
• Abstract要約: 本稿では,自動運転のためのエゴ環境共進化を可能にする,世界モデルに基づくプロアクティブ計画フレームワークを提案する。 ProDriveは、クエリ中心のトラジェクトリプランナーとバードアイビュー(BEV)ワールドモデルをエンドツーエンドでトレーニングする。 プランナー機能をワールドモデルに注入し、すべての候補を並列に評価することにより、ProDriveはエンドツーエンドの勾配フローを保持し、将来の成果評価を計画を直接形作ることができる。
• 参考スコア（独自算出の注目度）: 7.672669802257208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-end autonomous driving planners typically generate trajectories from current observations alone. However, real-world driving is highly dynamic, and such reactive planning cannot anticipate future scene evolution, often leading to myopic decisions and safety-critical failures. We propose ProDrive, a world-model-based proactive planning framework that enables ego-environment co-evolution for autonomous driving. ProDrive jointly trains a query-centric trajectory planner and a bird's-eye-view (BEV) world model end-to-end: the planner generates diverse candidate trajectories and planning-aware ego tokens, while the world model predicts future scene evolution conditioned on them. By injecting planner features into the world model and evaluating all candidates in parallel, ProDrive preserves end-to-end gradient flow and allows future outcome assessment to directly shape planning. This bidirectional coupling enables proactive planning beyond current-observation-driven decision-making. Experiments on NAVSIM v1 show that ProDrive outperforms strong baselines in both safety and planning efficiency, while ablations validate the effectiveness of the proposed ego-environment coupling design.
• Abstract（参考訳）: エンド・ツー・エンドの自動運転プランナーは通常、現在の観測だけで軌道を生成する。 しかし、現実の運転は非常にダイナミックであり、このようなリアクティブな計画では将来のシーンの進化を予測できない。 本稿では,自律運転のためのエゴ環境共進化を可能にする,世界モデルに基づくプロアクティブ計画フレームワークであるProDriveを提案する。 ProDriveはクエリ中心のトラジェクトリプランナーとバードアイビュー(BEV)ワールドモデルのエンドツーエンドを共同でトレーニングし、プランナーは様々な候補のトラジェクトリとプランニング対応のエゴトークンを生成し、ワールドモデルはそれらに条件付けられた将来のシーンの進化を予測する。 プランナー機能をワールドモデルに注入し、すべての候補を並列に評価することで、ProDriveはエンドツーエンドの勾配フローを保持し、将来の成果評価を計画を直接形作ることができる。 この双方向結合は、現在の観測駆動意思決定を超えて、積極的な計画立案を可能にする。 NAVSIM v1の実験では、ProDriveは安全性と計画効率の両面で高いベースラインを達成し、一方で、提案したエゴ環境結合設計の有効性を検証している。

関連論文リスト

• Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
  我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。 提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
  論文  参考訳（メタデータ） (2026-03-28T14:39:51Z)
• Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution [96.25314747309811]
  将来的なシーンの進化と軌道計画を共同でモデル化する,新たなエンドツーエンドフレームワークであるSeerDriveを紹介する。 本手法はまず,周辺環境の動態を予測するために,将来の鳥眼ビュー(BEV)の表現を予測する。 2つの重要な要素がこれを可能にする:(1)予測されたBEV機能を軌道プランナーに注入する将来対応計画、(2)反復的なシーンモデリングと車両計画。
  論文  参考訳（メタデータ） (2025-10-13T07:41:47Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving [15.100104512786107]
  Drive-OccWorldは、自動運転のエンドツーエンド計画にビジョン中心の4D予測ワールドモデルを適用する。 制御可能な生成を可能にするために,速度,操舵角度,軌道,指令などの柔軟な動作条件を世界モデルに注入することを提案する。 本手法は,多目的かつ制御可能な4D占有率を創出し,次世代の運転とエンド・ツー・エンド・プランニングの進歩への道を開く。
  論文  参考訳（メタデータ） (2024-08-26T11:53:09Z)
• Driving into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous Driving [56.381918362410175]
  Drive-WMは、既存のエンド・ツー・エンドの計画モデルと互換性のある世界初のドライビングワールドモデルである。 ドライビングシーンで高忠実度マルチビュー映像を生成する。
  論文  参考訳（メタデータ） (2023-11-29T18:59:47Z)
• PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
  PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。 我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
  論文  参考訳（メタデータ） (2023-11-14T11:53:24Z)

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。