論文の概要: Beyond Self-Play and Scale: A Behavior Benchmark for Generalization in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2605.10034v1
• Date: Mon, 11 May 2026 05:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.560041
• Title: Beyond Self-Play and Scale: A Behavior Benchmark for Generalization in Autonomous Driving
• Title（参考訳）: セルフプレイとスケールを超えて - 自律運転の一般化のための行動ベンチマーク
• Authors: Aron Distelzweig, Faris Janjoš, Andreas Look, Anna Rothenhäusler, Daniel Jost, Oliver Scheel, Raghu Rajan, Daphne Cornelisse, Eugene Vinitsky, Joschka Boedecker,
• Abstract要約: 最近の自律運転(AD)研究は、政策推進のための訓練戦略として強化学習(RL)を大規模に解き放たれた。 しかし、これらのポリシーは確立されたベンチマークから切り離されたままであり、標準化された評価を駆動するための大規模RLの性能は未知のままである。 評価、複雑さ、振る舞いの多様性という3つの軸に沿って、このギャップを埋める包括的なテストスイートであるBehaviorBenchを紹介します。
• 参考スコア（独自算出の注目度）: 8.06426702612716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent Autonomous Driving (AD) works such as GigaFlow and PufferDrive have unlocked Reinforcement Learning (RL) at scale as a training strategy for driving policies. Yet such policies remain disconnected from established benchmarks, leaving the performance of large-scale RL for driving on standardized evaluations unknown. We present BehaviorBench -- a comprehensive test suite that closes this gap along three axes: Evaluation, Complexity, and Behavior Diversity. In terms of Evaluation, we provide an interface connecting PufferDrive to nuPlan, which, for the first time, enables policies trained via RL at scale to be evaluated on an established planning benchmark for autonomous driving. Complementarily, we offer an evaluation framework that allows planners to be benchmarked directly inside the PufferDrive simulation, at a fraction of the time. Regarding Complexity, we observe that today's standardized benchmarks are so simple that near-perfect scores are achievable by straight lane following with collision checking. We extract a meaningful, interaction-rich split from the Waymo Open Motion Dataset (WOMD) on which strong performance is impossible without multi-agent reasoning. Lastly, we address Behavior Diversity. Existing benchmarks commonly evaluate planners against a single rule-based traffic model, the Intelligent Driver Model (IDM). We provide a diverse suite of interactive traffic agents to stress-test policies under heterogeneous behaviors, beyond just using IDM. Overall, our benchmarking analysis uncovers the following insight: despite learning interactive behaviors in an emergent manner, policies trained via pure self-play under standard reward functions overfit to their training opponents and fail to generalize to other traffic agent behaviors. Building on this observation, we propose a hybrid planner that combines a PPO policy with a rule-based planner.
• Abstract（参考訳）: GigaFlowやPufferDriveといった最近の自律運転(AD)作業は、ポリシーを駆動するためのトレーニング戦略として、大規模に強化学習(RL)をアンロックした。 しかし、これらのポリシーは確立されたベンチマークから切り離されたままであり、標準化された評価を駆動するための大規模RLの性能は未知のままである。 評価、複雑さ、振る舞いの多様性という3つの軸に沿って、このギャップを埋める包括的なテストスイートであるBehaviorBenchを紹介します。 評価の面では、PufferDriveとnuPlanを接続するインターフェースを提供しており、RLを介して大規模にトレーニングされたポリシーを、自律運転のための確立された計画ベンチマークで評価できるようにする。 補完的に、我々はPufferDriveシミュレーション内でプランナーを直接ベンチマークできる評価フレームワークを提供しています。 複雑度に関して、今日の標準ベンチマークは非常に単純であり、衝突チェックを伴う直線線でほぼ完全なスコアが達成可能であることを観察する。 Waymo Open Motion Dataset (WOMD) から,マルチエージェント推論なしでは高い性能が得られない有意義でインタラクションに富んだ分割を抽出する。 最後に、振る舞いの多様性に対処します。 既存のベンチマークでは、単一のルールベースのトラフィックモデルであるIntelligent Driver Model (IDM)に対するプランナーの評価が一般的である。 異種行動下でのストレステストのポリシーは,IMM以外にも多種多様な対話型トラヒックエージェントを提供する。 インタラクティブな動作を創発的に学習しているにもかかわらず、標準報酬関数の下で訓練されたポリシーは、トレーニング相手に過度に適合し、他のトラフィックエージェントの動作に一般化できない。 そこで本研究では,PPOポリシーとルールベースプランナを組み合わせたハイブリッドプランナを提案する。

関連論文リスト

• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• nuPlan-R: A Closed-Loop Planning Benchmark for Autonomous Driving via Reactive Multi-Agent Simulation [2.585002881750625]
  我々は、新しいリアクティブクローズドループ計画ベンチマークであるnuPlan-Rを提案する。 本ベンチマークでは,ルールベースのIMMエージェントをノイズ分離型拡散型反応性エージェントに置き換える。 ベンチマークを2つの追加メトリクスで拡張し、計画性能をより包括的な評価を可能にします。
  論文  参考訳（メタデータ） (2025-11-13T15:23:30Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• When Planners Meet Reality: How Learned, Reactive Traffic Agents Shift nuPlan Benchmarks [39.146761527401424]
  ルールベースのトラフィックエージェントは、プランナーの欠陥とバイアスランキングを隠蔽する。 我々は、最先端の学習トラフィックエージェントモデルSMARTをnuPlanに統合する。 IDMに基づくシミュレーションでは,計画性能が過大評価されている。
  論文  参考訳（メタデータ） (2025-10-16T13:34:12Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Learning to drive from a world on rails [78.28647825246472]
  モデルベースアプローチによって,事前記録された運転ログからインタラクティブな視覚ベースの運転方針を学習する。 世界の前方モデルは、あらゆる潜在的な運転経路の結果を予測する運転政策を監督する。 提案手法は,carla リーダボードにまずランク付けし,40 倍少ないデータを用いて25%高い運転スコアを得た。
  論文  参考訳（メタデータ） (2021-05-03T05:55:30Z)
• Integrating Deep Reinforcement Learning with Model-based Path Planners for Automated Driving [0.0]
  本稿では、経路計画管を視覚ベースのDRLフレームワークに統合するためのハイブリッドアプローチを提案する。 要約すると、DRLエージェントは、パスプランナーのウェイポイントをできるだけ近くに追従するように訓練される。 実験の結果,提案手法は経路を計画し,ランダムに選択した起点-終点間を移動可能であることがわかった。
  論文  参考訳（メタデータ） (2020-02-02T17:10:19Z)

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。