論文の概要: MDrive: Benchmarking Closed-Loop Cooperative Driving for End-to-End Multi-agent Systems

• arxiv url: http://arxiv.org/abs/2605.10904v1
• Date: Mon, 11 May 2026 17:44:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:51.045465
• Title: MDrive: Benchmarking Closed-Loop Cooperative Driving for End-to-End Multi-agent Systems
• Title（参考訳）: MDrive: エンドツーエンドマルチエージェントシステムのためのクローズドループ協調運転のベンチマーク
• Authors: Marco Coscoy, Zewei Zhou, Seth Z. Zhao, Henry Wei, Angela Magtoto, Johnson Liu, Rui Song, Walter Zimmer, Zhiyu Huang, Chen Tang, Bolei Zhou, Jiaqi Ma,
• Abstract要約: NHTSAプレクラッシュ型と実世界のV2Xデータセットの両方に基礎を置く225のシナリオからなるクローズドループ協調運転ベンチマークであるMDriveを紹介する。 ベンチマークの結果,マルチエージェントシステムはシングルエージェントシステムよりも一般的に優れていることが示された。 MDriveはまた、シナリオ生成、Real2Sim変換、ヒューマン・イン・ザ・ループ・シミュレーションのためのオープンソースのツールボックスも提供している。
• 参考スコア（独自算出の注目度）: 39.47889582923451
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vehicle-to-Everything (V2X) communication has emerged as a promising paradigm for autonomous driving, enabling connected agents to share complementary perception information and negotiate with each other to benefit the final planning. Existing V2X benchmarks, however, fall short in two ways: (i) open-loop evaluations fail to capture the inherently closed-loop nature of driving, leading to evaluation gaps, and (ii) current closed-loop evaluations lack behavioral and interactive diversity to reflect real-world driving. Thus, it is still unclear the extent of benefits of multi-agent systems for closed-loop driving. In this paper, we introduce MDrive, a closed-loop cooperative driving benchmark comprising 225 scenarios grounded in both NHTSA pre-crash typologies and real-world V2X datasets. Our benchmark results demonstrate that multi-agent systems are generally better than single-agent counterparts. However, current multi-agent systems still face two important challenges: (i) perception sharing enhances perceptions, but doesn't always translate to better planning; (ii) negotiation improves planning performance but harms it in complex and dense traffic scenarios. MDrive further provides an open-source toolbox for scenario generation, Real2Sim conversion, and human-in-the-loop simulation. Together, MDrive establishes a reproducible foundation for evaluating and improving the generalization and robustness of cooperative driving systems.
• Abstract（参考訳）: 自動車間通信(V2X)は、自律運転において有望なパラダイムとして出現し、接続されたエージェントが補完的な知覚情報を共有し、最終計画の恩恵を受けるために互いに交渉することを可能にする。 しかし、既存のV2Xベンチマークは2つの点で不足している。 (i)オープンループ評価は、運転の本質的に閉じたループの性質を捉えず、評価ギャップを生じさせる。 (II)現在のクローズドループ評価では、実世界の運転を反映する行動的・インタラクティブな多様性が欠如している。 したがって、閉ループ運転におけるマルチエージェントシステムの利点の程度は未だ不明である。 本稿では,NHTSAプレクラッシュ型と実世界のV2Xデータセットの両方をベースとした225のシナリオからなる閉ループ協調運転ベンチマークであるMDriveを紹介する。 ベンチマークの結果,マルチエージェントシステムはシングルエージェントシステムよりも一般的に優れていることが示された。 しかし、現在のマルチエージェントシステムは2つの重要な課題に直面している。 i) 知覚共有は知覚を促進するが、常により良い計画に結びつくとは限らない。 二 交渉により計画性能は向上するが、複雑で密集した交通シナリオでは損なわれる。 MDriveはさらに、シナリオ生成、Real2Sim変換、ヒューマン・イン・ザ・ループ・シミュレーションのためのオープンソースのツールボックスを提供している。 MDriveは共同運転システムの一般化と堅牢性を評価・改善するための再現可能な基盤を確立する。

関連論文リスト

• Bench2Drive-VL: Benchmarks for Closed-Loop Autonomous Driving with Vision-Language Models [50.22099309218635]
  自律運転においては、閉ループ評価はオープンループ評価よりも信頼性の高い検証方法として広く認識されている。 本稿では,VLM駆動における閉ループ評価を実現するBench2Drive-VLについて述べる。
  論文  参考訳（メタデータ） (2026-04-01T11:38:46Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles [21.832221839624527]
  本稿では,統合シナリオにおける動作計画能力を評価するためのベンチマークを提案する。 我々のアプローチには、微小な行動特性を持つ大規模データセットで訓練された他の車両が含まれる。 既存の手法の評価を行い,共通問題を同定した。
  論文  参考訳（メタデータ） (2024-10-21T11:35:33Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Towards Collaborative Autonomous Driving: Simulation Platform and End-to-End System [35.447617290190294]
  自動運転車(V2X-AD)は、より安全な運転ソリューションを提供する大きな可能性を秘めている。 本稿では,協調自動運転のための総合シミュレーションプラットフォームであるV2Xverseを紹介する。 私たちは、新しいエンドツーエンドのコラボレーティブドライブシステムであるCoDrivingを紹介します。
  論文  参考訳（メタデータ） (2024-04-15T06:33:32Z)
• DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
  本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。 センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。 我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:01Z)
• M2DA: Multi-Modal Fusion Transformer Incorporating Driver Attention for Autonomous Driving [11.36165122994834]
  自律運転にドライバ注意(M2DA)を組み込んだ多モード核融合トランスを提案する。 ドライバーの注意を取り入れることで、自動運転車に人間のようなシーン理解能力を付与し、重要な領域を正確に特定し、安全性を確保する。
  論文  参考訳（メタデータ） (2024-03-19T08:54:52Z)

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。