論文の概要: Dreaming Across Towns: Semantic Rollout and Town-Adversarial Regularization for Zero-Shot Held-Out-Town Fixed-Route Driving in CARLA

• arxiv url: http://arxiv.org/abs/2604.27994v1
• Date: Thu, 30 Apr 2026 15:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.160681
• Title: Dreaming Across Towns: Semantic Rollout and Town-Adversarial Regularization for Zero-Shot Held-Out-Town Fixed-Route Driving in CARLA
• Title（参考訳）: 街中を夢見る:CARLAにおけるゼロショットHld-Out-Town固定ルート運転のためのセマンティックロールアウトとタウンアドバイザリライゼーション
• Abstract要約: 学習された運転エージェントは、目に見えない環境でデプロイされると、しばしば劣化する。 本稿では、CARLAシミュレーターにおいて、この問題の故意に有界な事例について検討する。 ドリーマー方式の潜伏型ワールドモデルエージェントを構築し,2つのトレーニング専用補助損失を付加する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learned driving agents often degrade when deployed in unseen environments. This paper studies a deliberately bounded instance of that problem in the CARLA simulator: zero-shot transfer of a closed-loop fixed-route driving agent from Town05 and Town06 to unseen Town03 and Town04. The study isolates structural town shift by keeping weather fixed to ClearNoon and removing traffic and pedestrians. We build on a Dreamer-style latent world-model agent and add two training-only auxiliary losses: multi-horizon prediction of future visual-semantic embeddings along imagined rollouts and town-adversarial supervision on a semantic projection of the recurrent latent state. A causal context feature conditions the semantic rollout predictor, while the actor and critic retain the standard control feature. The policy receives no navigation command, route polyline, goal pose, or map input; the reference route is used only by the environment for reward, progress, success, and termination. Across the evaluated held-out towns, the proposed model achieves the highest mean success rate among the included Dreamer-family methods. Secondary safety and lane-keeping metrics are mixed across towns. These results support a bounded conclusion: in this controlled fixed-weather CARLA setting, semantic rollout supervision combined with town-adversarial regularization improves mean held-out-town route completion.
• Abstract（参考訳）: 学習された運転エージェントは、目に見えない環境でデプロイされると、しばしば劣化する。 本稿では,CARLAシミュレータにおけるこの問題の故意に束縛された事例について考察する: 閉ループ固定経路駆動剤をタウン05,タウン06からタウン03,タウン04へゼロショット転送する。 この研究は、ClearNoonの天気を保ち、交通や歩行者を除去することで、構造的な町の変化を分離する。 本研究では,Dreamer方式の潜伏型ワールドモデルエージェント上に構築し,将来の視覚的セマンティックな埋め込みのマルチホライゾン予測と,継続する潜伏状態のセマンティック・プロジェクションに関する街・アドバイザリの監督という2つのトレーニング専用補助的損失を付加する。 因果コンテキストはセマンティックロールアウト予測器を条件とし、アクターと批評家は標準制御機能を保持する。 このポリシーはナビゲーションコマンド、ルートポリライン、ゴールポーズ、マップ入力を受信せず、参照ルートは報酬、進歩、成功、終了のために環境によってのみ使用される。 提案手法は, 評価済みタウン全体において, ドリーマー・ファミリー・メソッドのうち, 平均成功率が最も高い。 二次安全と車線管理の指標が町全体で混在している。 この制御されたCARLA設定では、街を横断する正規化と組み合わせたセマンティックロールアウト管理により、平均的な街路完備が向上する。

関連論文リスト

• CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving [0.0]
  コーラルは5段階のカリキュラムであり、経路を徐々に延長し、行動制約を厳しくする。 同じ100-150mのルートで68-98%のエピソードが成功し、平均側方偏差は0.35m以下である。
  論文  参考訳（メタデータ） (2026-08-14T14:22:05Z)
• Transit Destination Inference from Tap-In-Only Bus Smart-Card Data: A Hierarchical Bayesian Approach [0.0]
  入場のみの自動運賃徴収システムでは搭乗記録があるが、着火は行わず、原産地行列の直接構築を妨げている。 本研究は,駅時間帯の乗車と降車需要と乗客カード履歴を組み合わせた階層型ベイジアン潜水モデルを構築した。
  論文  参考訳（メタデータ） (2026-07-23T12:57:47Z)
• WorkDrive: Roadwork Chain of Causation for Autonomous Driving [29.878568754013713]
  作業ゾーンの因果推論を構築し,軌道予測と整合するフレームワークであるWorkDriveを提案する。 自動認識パイプラインは、構造化されたシーン事実を抽出し、それらをChain-of-Causation(CoC)アノテーションパイプラインに注入し、アノテーションの注意をドメイン固有の要素にリダイレクトする。 最大の公共作業ゾーンデータセットであるROADWorkでは、提案された道路工事CoCが軌道平均変位誤差(ADE)を9.0%削減し、一貫性に基づくGRPOがさらに3.0%向上した。
  論文  参考訳（メタデータ） (2026-07-16T08:53:25Z)
• Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
  シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。 擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。 本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
  論文  参考訳（メタデータ） (2026-07-08T18:23:48Z)
• Zero-Shot Cross-City Generalization in End-to-End Autonomous Driving: Self-Supervised versus Supervised Representations [9.18632648031395]
  エンド・ツー・エンド軌道計画におけるゼロショット・クロスシティの一般化について検討する。 自己監督型視覚表現は都市間の移動を改善する。 これらの結果は、エンド・ツー・エンドの自動運転システムを評価するために必要なテストとしてゼロショットの地理的移動を確立する。
  論文  参考訳（メタデータ） (2026-03-12T01:19:32Z)
• Learning to Drive in New Cities Without Human Demonstrations [66.37858021482741]
  自己学習型マルチエージェント強化学習は,地図とメタ情報のみを用いて,運転方針をほぼ異なる目標都市に適応させることができることを示す。 本研究では,NOデータマップをベースとした自律運転用セルフプレイ(NOMAD)を導入し,目標都市マップに基づいて構築されたシミュレータにおけるポリシー適応を実現する。
  論文  参考訳（メタデータ） (2026-02-09T00:31:20Z)
• HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic [49.31491001465465]
  HetroDは、異種環境で自律走行システムを開発するためのデータセットとベンチマークである。 HetroDは、VRU(vulner- able road users)が支配する現実の異種交通のナビゲーティングにおける重要な課題をターゲットにしている。
  論文  参考訳（メタデータ） (2026-02-03T12:12:47Z)
• DTCCL: Disengagement-Triggered Contrastive Continual Learning for Autonomous Bus Planners [13.819705584989762]
  本稿では,自律型バスによる実運用による計画計画の改善を実現するための,拡張学習型コントラスト学習フレームワークを提案する。 都市バスの実験では、DTCCLは直接再訓練と比較して、全体の計画性能を48.6%改善している。
  論文  参考訳（メタデータ） (2025-12-22T02:59:37Z)
• InDRiVE: Reward-Free World-Model Pretraining for Autonomous Driving via Latent Disagreement [0.0]
  本稿では,DreamerV3スタイルのモデルベース強化学習エージェントであるInDRiVEについて述べる。 差別に基づく事前訓練は、町のシフトと一致する相互作用予算の下で、より強いゼロショットと堅牢な数ショット衝突回避をもたらす。
  論文  参考訳（メタデータ） (2025-12-21T18:40:15Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Decoding pedestrian and automated vehicle interactions using immersive virtual reality and interpretable deep learning [6.982614422666432]
  本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。 歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。 その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
  論文  参考訳（メタデータ） (2020-02-18T01:30:29Z)
• Interpretable End-to-end Urban Autonomous Driving with Latent Deep Reinforcement Learning [32.97789225998642]
  本稿では,エンドツーエンド自動運転のための解釈可能な深部強化学習手法を提案する。 逐次潜在環境モデルを導入し、強化学習プロセスと共同で学習する。 本手法は,自動車が運転環境にどう影響するかを,よりよく説明することができる。
  論文  参考訳（メタデータ） (2020-01-23T18:36:35Z)

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。