論文の概要: Multi-Agent Embodied Autonomous Driving: From V2X Information Exchange to Shared World Models
- arxiv url: http://arxiv.org/abs/2606.13840v1
- Date: Thu, 11 Jun 2026 19:10:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.597506
- Title: Multi-Agent Embodied Autonomous Driving: From V2X Information Exchange to Shared World Models
- Title（参考訳）: マルチエージェント自動走行:V2X情報交換から共有世界モデルへ
- Authors: Senkang Hu, Zhengru Fang, Yihang Tao, Zihan Fang, Sam Tak Wu Kwong, Yuguang Fang,
- Abstract要約: 自律運転は、孤立した車両の知性から、不確実性の下で知覚、推論意図、協調行動を共有するマルチエージェント・エンボディシステムへとシフトしている。
車両間通信(V2X)、協調認識、エージェント間認知、協調計画、エンドツーエンド協調運転、クローズドループ検証のためのシミュレーションとデータエンジンを含む380以上の出版物をレビューする。
- 参考スコア（独自算出の注目度）: 16.06080006560829
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving is shifting from isolated vehicle intelligence toward multi-agent embodied systems that share perception, infer intent, and coordinate action under uncertainty. This survey examines this transition through the lens of Shared World Models (SWMs): predictive cross-agent representations maintained across vehicles, infrastructure, and other traffic participants. We review more than 380 publications spanning vehicle-to-everything (V2X) communication, collaborative perception, inter-agent cognition, cooperative planning, end-to-end cooperative driving, and simulation and data engines for closed-loop validation. The organizing question is how exchanged observations become aligned state, intent-aware interaction, and coordinated downstream action. Across the surveyed literature, evaluation remains concentrated in simulation, curated benchmarks, and offline protocols. Foundation-model-based coordination also lacks verified real-time safety guarantees in open traffic. These gaps motivate key research priorities for multi-agent embodied autonomous driving (MAEAD): verifiable shared-state maintenance, robust intent and plan alignment, and safe coordinated action under communication, latency, and deployment constraints.
- Abstract（参考訳）: 自律運転は、孤立した車両の知性から、不確実性の下で知覚、推論意図、協調行動を共有するマルチエージェント・エンボディシステムへとシフトしている。
本調査では, 車両, インフラ, その他の交通機関間で維持される予測的クロスエージェント表現を, 共有世界モデル (SWM) のレンズを通して行うことによって, この遷移を検証した。
車両間通信(V2X)、協調認識、エージェント間認知、協調計画、エンドツーエンド協調運転、クローズドループ検証のためのシミュレーションとデータエンジンを含む380以上の出版物をレビューする。
組織的な疑問は、どのように交換された観測が整列状態になり、意図と認識された相互作用、下流でのアクションの協調となるかである。
調査対象の文献全体では、評価はシミュレーション、ベンチマーク、オフラインプロトコルに集中している。
ファンデーションモデルに基づくコーディネーションには、オープントラフィックにおけるリアルタイム安全性の保証が欠如している。
これらのギャップは、共有状態のメンテナンスの検証、堅牢な意図と計画アライメント、コミュニケーション、レイテンシ、デプロイメント制約の下での安全な協調アクションといった、マルチエージェント実施型自動運転(MAEAD)の重要研究優先順位を動機付けている。
関連論文リスト
- Dual-Interaction-Aware Cooperative Control Strategy for Alleviating Mixed Traffic Congestion [36.780597614300504]
コネクテッド・アンド・オートマチック・ビークル(CAV)は、協調戦略による交通渋滞を著しく低減することが期待されている。
混在交通環境における人間適応型人間駆動車(HDV)の挙動の不確かさと多様性は、CAV協力にとって大きな課題である。
本稿では、局所的およびグローバルな相互作用知覚を両立させるDIACC(Dual-Interaction-Aware Cooperative Control)戦略を提案する。
論文 参考訳（メタデータ） (2026-03-04T09:00:49Z) - Progressive Bird's Eye View Perception for Safety-Critical Autonomous Driving: A Comprehensive Survey [20.7823289124196]
Bird's-Eye-View (BEV) の認識は、自動運転の基本的なパラダイムとなっている。
この調査は、安全クリティカルな観点からのBEVの認識に関する、初めての包括的なレビューを提供する。
論文 参考訳（メタデータ） (2025-08-11T02:40:46Z) - Anomaly Detection in Cooperative Vehicle Perception Systems under Imperfect Communication [4.575903181579272]
協調認識に基づく異常検出フレームワーク(CPAD)を提案する。
CPADは堅牢なアーキテクチャであり、通信の中断下でも有効である。
実験の結果,本手法はAUCのF1スコアにおける標準異常分類法よりも優れていた。
論文 参考訳（メタデータ） (2025-01-28T22:41:06Z) - 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) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。
異なる統合原則の意味、強み、限界について論じる。
論文 参考訳（メタデータ） (2023-08-10T17:53:03Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳（メタデータ） (2021-01-18T01:43:36Z)
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。