論文の概要: PLAN-S: Bridging Planning with Latent Style Dynamics for Autonomous Driving World Models
- arxiv url: http://arxiv.org/abs/2606.06014v1
- Date: Thu, 04 Jun 2026 11:03:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.741365
- Title: PLAN-S: Bridging Planning with Latent Style Dynamics for Autonomous Driving World Models
- Title（参考訳）: PLAN-S:自律走行世界モデルのための潜在スタイルダイナミクスを用いたブリッジ計画
- Authors: Xiaoyun Qiu, Jingtao He, Yijie Chen, Yusong Huang, Haotian Wang, Yixuan Wang, Xinhu Zheng,
- Abstract要約: 本稿では,PLAN-S(PLANning with Latent Style dynamics)を提案する。
PLAN-Sは様々なコストマップを生成し、空間的に一貫した変動が異なる運転スタイルに一致している。
- 参考スコア（独自算出の注目度）: 11.0972429896041
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Latent world models (LWMs) have strengthened end-to-end autonomous driving by forecasting compact scene dynamics for downstream planning. However, existing LWM-based planners usually generate trajectories directly from entangled latent representations. This compact latent-to-planner pathway lacks explicit modeling of risk, drivability, and diverse style preferences, making driving-style dynamics difficult to supervise, inspect, or modulate before a final trajectory is selected. We propose PLAN-S (PLANning with latent Style dynamics), a planner-facing bridge that addresses this compactness-controllability dilemma by decoding a style-conditioned, four-channel semantic cost map from the latent representation. The cost map is conditioned on ego state and driving style and is consumed up-stream of the planning decision through two host-side interfaces: attention-level fusion for regression planners and reward-level fusion for anchor-score planners. We validate PLAN-S on two architecturally distinct hosts, ResWorld on nuScenes and WoTE on NAVSIM, while keeping the host backbones frozen to isolate the contribution of the proposed bridge. On nuScenes, PLAN-S reduces L2 at every horizon over the baseline, with 0.55 m average L2 and a 42% relative reduction in the 3 s collision rate. On NAVSIM, the rule-cost variant reaches 89.4 Predictive Driver Model Score (PDMS), while the learned cost variant provides complementary gains on baseline-challenging scenes. Ablations show that the cost pathway contributes most directly to safer trajectory selection. Qualitative results further show that PLAN-S can produce diverse cost maps, with spatially consistent variations aligned to different driving styles.
- Abstract（参考訳）: ラテントワールドモデル(LWM)は、下流計画のためのコンパクトなシーンダイナミクスを予測することにより、エンドツーエンドの自動運転を強化している。
しかし、既存のLWMベースのプランナーは通常、絡み合った潜在表現から直接軌道を生成する。
このコンパクトな潜在プランナー経路は、リスク、乾燥性、および多様なスタイルの嗜好の明確なモデリングを欠き、最終軌道が選択される前に運転スタイルのダイナミクスを監督、検査、調整することが困難になる。
PLAN-S (PLANning with latent Style dynamics) は、このコンパクト性制御性ジレンマに対処し、潜在表現からスタイル条件付き4チャンネルセマンティックコストマップをデコードする。
コストマップは、エゴ状態と運転スタイルを条件とし、2つのホスト側インターフェース(レグレッションプランナーの注意レベル融合とアンカースコアプランナーの報酬レベル融合)を通じて、計画決定の上流で消費される。
我々は,NAVSIM上のResWorldとWoTEの2つのアーキテクチャ上の異なるホスト上でPLAN-Sを検証し,提案したブリッジのコントリビューションを分離するためにホストバックボーンを凍結したままにしておく。
nuScenesでは、PLAN-Sはベースライン上のすべての地平線でL2を減少させ、平均L2は0.55m、相対的に3sの衝突速度は42%減少する。
NAVSIMでは、ルールコストのバリエーションが89.4の予測ドライバモデルスコア(PDMS)に到達し、学習コストのバリエーションはベースラインの混在するシーンで補完的なゲインを提供する。
アブレーションは、コスト経路がより安全な軌道選択に最も直接的に寄与することを示している。
さらに質的な結果から、PLAN-Sは多様なコストマップを作成できることを示す。
関連論文リスト
- Waypoints Matter: A Systematic Study for Sampling-Based Trajectory Planning [1.376408511310322]
リアルタイム自動運転は通常、サンプリングベースの軌道プランナーに依存している。
本稿では,ウェイポイント配置を一級設計変数として扱う。
論文 参考訳（メタデータ） (2026-06-04T16:35:30Z) - CLAP: Contrastive Latent-space Prompt Optimization for End-to-end Autonomous Driving [12.890001628695215]
CLAPは,ロードブロックごとのソフトプロンプトで凍結したVLA駆動モデルを拡張した位置認識適応フレームワークである。
様々な最先端のVLAバックボーンを持つNAVSIMベンチマークでは、CLAPは通常のフレームに回帰することなく、困難なシナリオ計画エラーを24%削減する。
論文 参考訳（メタデータ） (2026-05-17T06:45:53Z) - HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。
我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-04T04:12:47Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Imagine-2-Drive: Leveraging High-Fidelity World Models via Multi-Modal Diffusion Policies [9.639797094021988]
World Model-based Reinforcement Learning (WMRL)は、効率的な政策学習を可能にする。
マルチモーダル拡散型ポリシーアクタと高忠実度世界モデルを統合する新しいWMRLフレームワークであるImagine-2-Driveを提案する。
DiffDreamer内のDPAをトレーニングすることにより,オンラインインタラクションを最小限に抑えた堅牢なポリシー学習を実現する。
論文 参考訳（メタデータ） (2024-11-15T13:17:54Z) - DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。
特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。
nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
論文 参考訳（メタデータ） (2024-09-15T15:55:24Z) - Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。
我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。
挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
論文 参考訳（メタデータ） (2024-07-08T12:52:46Z) - Pioneering SE(2)-Equivariant Trajectory Planning for Automated Driving [45.18582668677648]
制御されたエゴ車両の軌道を計画することは、自動走行において重要な課題である。
本稿では,全車両に対して多モード共同予測を生成する軽量同変計画モデルを提案する。
また,車載GPSナビゲーションシステムによって提供される高水準経路に沿って,エゴ車両を誘導する等変経路アトラクションを提案する。
論文 参考訳（メタデータ） (2024-03-17T18:53:46Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳（メタデータ） (2023-09-25T22:30:18Z) - End-to-end Interpretable Neural Motion Planner [78.69295676456085]
複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。
我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。
北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2021-01-17T14:16:12Z)
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。