論文の概要: ChainFlow-VLA: Causal Flow Planning with Vision-Language Models

• arxiv url: http://arxiv.org/abs/2605.23270v1
• Date: Fri, 22 May 2026 06:17:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.222026
• Title: ChainFlow-VLA: Causal Flow Planning with Vision-Language Models
• Title（参考訳）: ChainFlow-VLA:視覚言語モデルによる因果流計画
• Authors: Xiyang Wang, Xinlin Wang, Tingguang Zhou, Gong Chen, Xingtai Gui, Zhi Xu, Xiaolei Wu, Feiyang Tan, Hangning Zhou, Mu Yang,
• Abstract要約: 現在のエンドツーエンドの自動運転システムは、時間的因果推論とグローバルな軌道整合性のミスマッチによって、基本的に制限されている。 本稿では,一貫した確率的枠組みの中で因果生成とグローバルな洗練を統一するChainFlow-VLAを提案する。 実験により、ChainFlow-VLAは曖昧で長い尾のシナリオで堅牢な計画を実現し、NAVSIM v1のリーダーボードで94.85の最先端スコアを達成した。
• 参考スコア（独自算出の注目度）: 7.814547378443577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current end-to-end autonomous driving systems are fundamentally limited by a mismatch between temporal causal reasoning and global trajectory consistency. Autoregressive (AR) models capture interaction-aware temporal dependencies via causal factorization, but their step-wise decoding leads to error accumulation and suboptimal global structure. In contrast, diffusion models optimize trajectories globally but lack explicit causal constraints, making them unreliable in interactive and safety-critical scenarios. This dichotomy reveals a deeper issue: existing methods treat causal modeling and global optimization as separate paradigms, without a principled way to unify them within a single trajectory distribution. To address this, we propose ChainFlow-VLA, which unifies causal generation and global refinement within a unified probabilistic framework. We formulate planning as a mixture over AR-induced modes and learn Vision-Language Model (VLM)-conditioned residual distributions over these modes. An autoregressive generator (Chain) produces a discrete set of causal trajectory modes, followed by a diffusion-based refiner (Flow) that leverages VLM hidden states as semantic priors to perform mode-conditioned correction in residual space while preserving causal structure. This straightforward conditioning seamlessly injects high-level scene understanding into fine-grained trajectory adjustments. Experiments demonstrate that ChainFlow-VLA achieves robust planning in ambiguous and long-tail scenarios, achieving a state-of-the-art score of 94.85 on the NAVSIM v1 leaderboard, matching human-level performance (94.8). Code will be available at https://github.com/AFARI-Research/ChainFlow-VLA.
• Abstract（参考訳）: 現在のエンドツーエンドの自動運転システムは、時間的因果推論とグローバルな軌道整合性のミスマッチによって、基本的に制限されている。 自己回帰(AR)モデルは因果分解によって相互作用を意識した時間的依存関係をキャプチャするが、そのステップワイドな復号化はエラーの蓄積と準最適グローバル構造をもたらす。 対照的に、拡散モデルはグローバルにトラジェクトリを最適化するが、明確な因果制約を欠いているため、対話的かつ安全クリティカルなシナリオでは信頼できない。 この二分法は、因果的モデリングと大域的最適化を個別のパラダイムとして扱い、1つの軌跡分布内でそれらを統一する原則的な方法なしで扱うという、より深い問題を明らかにしている。 そこで本研究では,一貫した確率的枠組みの中で因果生成とグローバルな改善を統一するChainFlow-VLAを提案する。 我々は、AR誘導モード上の混合としてプランニングを定式化し、これらのモード上の残差分布を視覚言語モデル(VLM)で学習する。 自己回帰生成器(Chain)は、個別の因果軌道モードを生成し、続いて、VLM隠蔽状態をセマンティック先行として活用し、因果構造を保ちながらモード条件付き補正を行う拡散型精細器(Flow)を生成する。 この簡単な条件付けは、微粒な軌跡調整に高レベルなシーン理解をシームレスに注入する。 実験により、ChainFlow-VLAは曖昧で長い尾のシナリオで堅牢な計画を実現し、NAVSIM v1のリーダーボードで94.85の最先端スコアを達成し、人間レベルのパフォーマンス(94.8)と一致することが示されている。 コードはhttps://github.com/AFARI-Research/ChainFlow-VLAで入手できる。

関連論文リスト

• Language Generation as Optimal Control: Closed-Loop Diffusion in Latent Control Space [99.30250506439678]
  本研究は,言語生成を最適制御問題として再検討する。 自己回帰モデルと拡散モデルを分析するための統一された理論的な視点を提供する。
  論文  参考訳（メタデータ） (2026-05-14T08:13:43Z)
• Self-Distilled Trajectory-Aware Boltzmann Modeling: Bridging the Training-Inference Discrepancy in Diffusion Language Models [65.89572755202245]
  拡散言語モデル(DLM)は、より強力なグローバル認識と高い並列生成を提供する。 標準負のエビデンス下界(NELBO)に基づく教師付き微調整後のDLMは非効率である。 そこで本研究では,学習を推論の容易かつハードな構造に整合させる,自己蒸留軌道に基づくポストトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-12T09:39:06Z)
• MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving [23.013043338076745]
  MeanFuserはエンドツーエンドの自動運転方式だ。 GMNを導入し、生成サンプリングをガイドし、MeanFlow Identityをエンドツーエンドプランニングに適用する。 NAVSIMクローズドループベンチマークの実験は、PDMスコアの監督なしにMeanFuserが優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2026-02-23T17:17:26Z)
• 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)
• Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
  動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。 我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-12-02T14:42:54Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Stragglers-Aware Low-Latency Synchronous Federated Learning via Layer-Wise Model Updates [71.81037644563217]
  同期フェデレーションラーニング(FL)は、協調エッジラーニングの一般的なパラダイムである。 一部のデバイスは計算資源が限られており、様々な可用性があるため、FLレイテンシはストラグラーに非常に敏感である。 本稿では,NNの最適化手法をバックプロパゲーションにより活用し,グローバルモデルを階層的に更新するストラグラー対応層対応学習(SALF)を提案する。
  論文  参考訳（メタデータ） (2024-03-27T09:14:36Z)
• AdaFlow: Imitation Learning with Variance-Adaptive Flow-Based Policies [21.024480978703288]
  本稿では,フローベース生成モデルに基づく模倣学習フレームワークであるAdaFlowを提案する。 AdaFlowは状態条件付き常微分方程式(ODE)によるポリシーを表す AdaFlowは高速な推論速度で高い性能を実現する。
  論文  参考訳（メタデータ） (2024-02-06T10:15:38Z)

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。