論文の概要: Learning Direct Control Policies with Flow Matching for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2605.14832v1
- Date: Thu, 14 May 2026 13:37:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.848752
- Title: Learning Direct Control Policies with Flow Matching for Autonomous Driving
- Title（参考訳）: 自動走行のためのフローマッチングによる直接制御ポリシーの学習
- Authors: Marcello Ceresini, Federico Pirazzoli, Andrea Bertogalli, Lorenzo Cipelli, Filippo D'Addeo, Anthony Dell'Eva, Alessandro Paolo Capasso, Alberto Broggi,
- Abstract要約: 自律走行のためのフローマッチングプランナーは、加速度と曲率によって定義された実行可能な軌道を生成する。
モデルは、周囲のシーンの鳥の目視(BEV)制御プロファイルに条件付けされる。
反応エージェントを用いた2次元交通シミュレータから収集した都市シナリオのみをトレーニングする。
- 参考スコア（独自算出の注目度）: 32.505127447635864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a flow-matching planner for autonomous driving that directly outputs actionable control trajectories defined by acceleration and curvature profiles. The model is conditioned on a bird's-eye-view (BEV) raster of the surrounding scene and generates control sequences in a small number of Ordinary Differential Equations (ODE) integration steps, enabling low-latency inference suitable for real-time closed-loop re-planning. We train exclusively on urban scenarios (real urban city streets, intersections and roundabouts of the city of Parma, Italy) collected from a 2D traffic simulator with reactive agents, and evaluate in closed-loop on both in-distribution and markedly out-of-distribution environments, including multi-lane highways and unseen urban scenarios. Our results show that the model generalizes reliably to these unseen conditions, maintaining stable closed-loop control and successfully completing scenarios that differ substantially from the training distribution. We attribute this to the BEV representation, which provides a geometry-centric view of the scene that is inherently less sensitive to distributional shifts, and to the flow-matching formulation, which learns a smooth vector field that degrades gracefully under distribution shift. We provide video demonstrations of closed-loop behavior at https://marcelloceresini.github.io/DirectControlFlowMatching.
- Abstract（参考訳）: 本稿では,アクセラレーションと曲率プロファイルによって定義される動作可能な制御軌道を直接出力する自律走行用フローマッチングプランナを提案する。
モデルは、周囲のシーンの鳥眼視(BEV)ラスタに条件付けされ、少数の通常微分方程式(ODE)積分ステップで制御シーケンスを生成し、リアルタイム閉ループ再計画に適した低遅延推論を可能にする。
我々は、反応剤を用いた2次元交通シミュレータから収集した都市シナリオ(イタリアのパルマ市の実際の都市通り、交差点、ラウンドアバウンド)を専門に訓練し、マルチレーンハイウェイや目立たない都市シナリオを含む、配電環境と配電環境の両方において、クローズループの評価を行う。
実験結果から,本モデルはこれらの未知条件を確実に一般化し,安定な閉ループ制御を維持し,トレーニング分布と大きく異なるシナリオを達成できることが示唆された。
このことは、本質的に分布シフトに敏感でないシーンの幾何学中心のビューを提供するBEV表現と、分布シフトの下で優雅に劣化する滑らかなベクトル場を学習するフローマッチング定式化に起因している。
我々は、https://marcelloceresini.github.io/DirectControlFlowMatching.comでクローズドループ動作のデモビデオを提供する。
関連論文リスト
- MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。
本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。
MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
論文 参考訳（メタデータ） (2026-05-13T23:35:14Z) - Amortizing Trajectory Diffusion with Keyed Drift Fields [2.5352713493505785]
キード・ドリフト・ポリシーズ (Keyed Drifting Policies) は、ドリフトフィールドの目標で訓練された1ステップの軌道生成装置である。
生成されたトラジェクトリを条件マッチングされたデータセットウィンドウに反映する。
1ステップの推論で高い性能を達成し、拡散サンプリングよりも計画遅延を大幅に低減する。
論文 参考訳（メタデータ） (2026-03-14T17:56:15Z) - Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning [8.384289409828678]
一般的なアプローチは、さまざまな現実世界のシナリオをまたいで一般化することを目的とした、専門家駆動データセットに対する大規模な模倣学習である。
オンライントラジェクトリ生成では、そのような手法をリアルタイムに動作させなければならない。
本研究では,周辺エージェントの将来の動きを協調的に予測し,エゴ軌道をリアルタイムで計画する条件付きフローマッチングに基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-10T20:57:01Z) - WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving [9.719456684859606]
本稿では,VLAモデルであるWAM-Flowを紹介し,Ego-trajectory Planningをトークン空間上の離散フローマッチングとして利用する。
WAM-Flowは完全に並列で双方向のデノゲーションを実行し、調整可能な計算精度トレードオフによる粗い微細化を可能にする。
これらの結果は、エンド・ツー・エンド・エンドの自律運転に期待できる新しいパラダイムとして離散フローマッチングが確立される。
論文 参考訳（メタデータ） (2025-12-05T19:36:46Z) - 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) - FlowDrive: moderated flow matching with data balancing for trajectory planning [5.553127690929986]
FlowDriveは、条件付き修正フローを学習し、ノイズを直接トラジェクトリ分布にマッピングするフローマッチングトラジェクトリプランナである。
FlowDriveは、学習ベースのプランナーとルールベースの改善によるアプローチ手法の間で、最先端の結果を達成する。
論文 参考訳（メタデータ） (2025-09-26T06:49:22Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - Controllable Diverse Sampling for Diffusion Based Motion Behavior
Forecasting [11.106812447960186]
制御可能拡散軌道(CDT)と呼ばれる新しい軌道生成器を導入する。
CDTは、情報と社会的相互作用をトランスフォーマーに基づく条件記述拡散モデルに統合し、将来の軌跡の予測を導く。
マルチモーダル性を確保するため,直進,右折,左折などの軌道モードを指示する行動トークンを組み込んだ。
論文 参考訳（メタデータ） (2024-02-06T13:16:54Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory
Diffusion [83.88829943619656]
本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。
我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。
本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
論文 参考訳（メタデータ） (2023-04-04T15:46:42Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z)
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。