論文の概要: Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2605.24004v1
• Date: Tue, 19 May 2026 06:23:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.460174
• Title: Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving
• Title（参考訳）: 推論--イマジン--世界モデルによる自動運転車の閉ループLCM決定
• Authors: Zhengqi Sun, Yiwen Sun, Boxuan Liu, Tailai Chen, Tianxu Guo, Jiabin Liu,
• Abstract要約: オンライン安全検証のためのクローズドループフレームワークであるReason-Imagine-Act(RIA)を提案する。 統一されたCARLAポイントゴールプロトコルの下で、RIAは80.05%のルート完了、51.10%の到着率、0.20%の衝突率を達成した。 RIAは、コアクローズドループメトリクスで、CARLA TMやMADAなど、トレーニング不要のベースラインを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 5.265710712323899
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are promising for autonomous driving, but semantics-only decision policies can yield physically unsafe behavior in dynamic traffic. Existing methods either perform online language reasoning without explicit dynamics verification or use world models mainly in offline pipelines, leaving a gap between semantic intent and physical feasibility at decision time. We propose Reason--Imagine--Act (RIA), a closed-loop framework that couples an LLM reasoner with an action-conditioned world model for online safety verification. At each step, the LLM proposes an action template and candidate sub-actions, the world model performs short-horizon rollouts, and a safety scorer selects the safest executable action with feedback to the next reasoning step. Under a unified CARLA point-goal protocol (1000 episodes), RIA achieves 80.05% route completion, 51.10% arrival rate, and 0.20% collision rate. Under the same closed-loop interface, RIA consistently outperforms training-free baselines, including CARLA TM and MADA, on core closed-loop metrics. For reproducibility, code is available at https://github.com/pku-smart-city/source_code/tree/main/RIA.
• Abstract（参考訳）: 大規模言語モデル(LLM)は自律運転には有望であるが、セマンティクスのみによる決定ポリシーは、動的トラフィックにおいて物理的に安全でない振る舞いをもたらす可能性がある。 既存の手法は、明示的な動的検証なしでオンライン言語推論を実行するか、主にオフラインパイプラインで世界モデルを使用するかのいずれかであり、決定時に意味的意図と物理的実現性の間にギャップを残している。 本稿では,LLM推論器とオンライン安全検証のための行動条件付き世界モデルを組み合わせたクローズドループフレームワークであるReason--Imagine-Act(RIA)を提案する。 各ステップにおいて、LLMはアクションテンプレートと候補サブアクションを提案し、ワールドモデルは、短水平ロールアウトを行い、安全スコアラは、次の推論ステップにフィードバックして、最も安全な実行可能なアクションを選択する。 統一されたCARLAポイントゴールプロトコル(1000回)では、RIAは80.05%のルート完了、51.10%の到着率、0.20%の衝突率を達成した。 同じクローズドループインターフェースの下で、RIAはコアクローズドループメトリクスにおいて、CARLA TMやMADAを含むトレーニング不要のベースラインを一貫して上回っている。 再現性については、https://github.com/pku-smart-city/source_code/tree/RIAで確認できる。

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)
• DriveVLM-RL: Neuroscience-Inspired Reinforcement Learning with Vision-Language Models for Safe and Deployable Autonomous Driving [7.788062051923755]
  DriveVLM-RLは神経科学に触発されたフレームワークで、視覚言語モデルと強化学習を統合する。 このフレームワークは、連続的な空間安全評価のための静的パスに意味報酬学習を分解する。 階層的な報酬合成機構は、セマンティック信号を車両状態と融合させ、非同期トレーニングパイプラインは環境相互作用から高価なVLM推論を分離する。
  論文  参考訳（メタデータ） (2026-03-18T21:55:29Z)
• MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning [51.20229133553804]
  自律運転における現在のビジョン・ランゲージ・アクション(VLA)パラダイムは主に模倣学習(IL)に依存している オンライン強化学習は、トライアル・アンド・エラー学習を通じてこれらの問題に対処するための有望な経路を提供する。 大規模言語モデル(LLM)と2つの異なるLoRAパラメータからなるVLAフレームワークであるMindDriveを提案する。 軌道レベルの報酬を推論空間に戻すことで、MindDriveは、限定的な言語駆動決定の有限セットに対する試行錯誤学習を可能にする。
  論文  参考訳（メタデータ） (2025-12-15T18:31:32Z)
• Align2Act: Instruction-Tuned Models for Human-Aligned Autonomous Driving [0.0]
  そこで我々は,Align2Actを提案する。Align2Actは,命令付き言語モデルを人間の行動に合わせた解釈可能なプランナーに変換する動き計画フレームワークである。 nuPlanデータセットから100万のシナリオ上でLLaMA-2-7BをLoRAで微調整することにより,Test14-randomのオープンループスコア85.17,クローズループスコア70.31,66.96を達成できる。 合成またはオープンループ設定に重点を置いた以前の作業とは異なり、実際のnuPlanクローズドループベンチマークにおいて、計画品質と人間的類似性が改善された。
  論文  参考訳（メタデータ） (2025-10-12T08:50:34Z)
• ReasonPlan: Unified Scene Prediction and Decision Reasoning for Closed-loop Autonomous Driving [26.169506297338234]
  マルチモーダル大規模言語モデル(MLLM)は、エンドツーエンド(E2E)自動運転の分野で大きな注目を集めている。 本稿では,包括的推論による閉ループ運転のためのMLLMファインチューニングフレームワークReasonPlanを提案する。 本手法は,Bench2Driveベンチマークにおいて,19%のL2と16.1の駆動スコアでE2E模倣学習法より優れていた。
  論文  参考訳（メタデータ） (2025-05-26T14:12:38Z)
• SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models [63.71984266104757]
  我々は、構造化されていない知識と構造化されていない知識の両方を取り入れることで、MLLMベースの自動運転を強化するフレームワークであるSafeAutoを提案する。 安全知識を明示的に統合するため,交通ルールを一階述語論理に変換する推論コンポーネントを開発した。 我々のマルチモーダル検索・拡張生成モデルは、過去の運転経験から学ぶために、ビデオ、制御信号、環境特性を活用する。
  論文  参考訳（メタデータ） (2025-02-28T21:53:47Z)
• Instruct Large Language Models to Drive like Humans [33.219883052634614]
  本研究では,大規模言語モデルを運動プランナに変換するインストラクトドライブ手法を提案する。 人間の論理に基づく運転指導データを導出する。 次に、最終計画をさらに推論するために解釈可能なInstructChainモジュールを使用します。
  論文  参考訳（メタデータ） (2024-06-11T14:24:45Z)
• DriveMLM: Aligning Multi-Modal Large Language Models with Behavioral Planning States for Autonomous Driving [69.82743399946371]
  DriveMLMは、現実的なシミュレータでクローズループの自律運転を実行するためのフレームワークである。 モジュールADシステムの動作計画モジュールをモデル化するために,MLLM (Multi-modal LLM) を用いる。 このモデルは、Apolloのような既存のADシステムでプラグイン・アンド・プレイすることで、クローズループ運転を行うことができる。
  論文  参考訳（メタデータ） (2023-12-14T18:59:05Z)

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。