論文の概要: TerraTransfer: Learning End-to-End Driving Policies Without Expert Demonstrations

• arxiv url: http://arxiv.org/abs/2606.17386v1
• Date: Tue, 16 Jun 2026 00:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.188995
• Title: TerraTransfer: Learning End-to-End Driving Policies Without Expert Demonstrations
• Title（参考訳）: TerraTransfer: 専門家の指示なしにエンドツーエンドの運転ポリシーを学習する
• Authors: Zikang Xiong, Weixin Li, Zhouchonghao Wu, Akshay Rangesh, Saarth Bonde, Grantland Hall, Chen Tang, Yihan Hu, Wei Zhan,
• Abstract要約: 我々は、自己プレイによる単一のポリシーを事前訓練し、その潜在空間を予め訓練された視覚バックボーンと整列させ、アクションKLの発散とバッチ関係の低ランク構造損失を通した。 フォトリアリスティックな3Dガウススプラッティング・クローズドループのシナリオでは、結果として得られるエンドツーエンドのポリシーは、以前のエンドツーエンドの手法と一致するか、あるいは超える。
• 参考スコア（独自算出の注目度）: 21.33643567755425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-end autonomous driving has achieved state-of-the-art performance on benchmarks and real-world deployments. Its standard training recipe, however, is expensive across all stages: collecting and labeling millions of driving frames is costly, and closed-loop RL on images is bottlenecked by the per-step cost of photorealistic rendering plus a forward pass through a large vision backbone. Self-play in vectorized simulators changes the economics: millions of rollout steps per second, and a state distribution naturally rich in collisions, near-misses, and recoveries that no driving log contains. Our approach exploits this asymmetry by decoupling learning to drive from learning to see. We pretrain a single policy by self-play, then align its latent space with a pretrained vision backbone, through the action KL divergence and a batch-relational low-rank structural loss. The action target comes from the self-play policy, so alignment never supervises against a logged trajectory: a paired dataset of (image, scene-state) frames suffices, with no need for the curated expert demonstrations that imitation pretraining is built on. On photorealistic 3D Gaussian splatting closed-loop scenarios, the resulting end-to-end policy matches or exceeds prior end-to-end methods.
• Abstract（参考訳）: エンドツーエンドの自動運転は、ベンチマークや実世界のデプロイで最先端のパフォーマンスを達成した。 数百万のドライブフレームの収集とラベル付けにはコストがかかり、画像上のクローズループRLは、フォトリアリスティックレンダリングのステップあたりのコストと、大きな視覚バックボーンを通る前方パスによってボトルネックとなる。 ベクトル化されたシミュレータのセルフプレイは、毎秒数百万のロールアウトステップと、衝突、ニアミス、ドライブログが含まない回復に自然に富んだ状態分布という、経済性を変える。 我々のアプローチはこの非対称性を利用して、学習を分離して学習から目視へと駆り立てる。 我々は、自己プレイによる単一のポリシーを事前訓練し、その潜在空間を予め訓練された視覚バックボーンと整列させ、アクションKLの発散とバッチ関係の低ランク構造損失を通した。 アクションターゲットは、セルフプレイのポリシーに由来するため、アライメントはログ化された軌道に対して監視されることはない。 フォトリアリスティックな3Dガウススプラッティング・クローズドループのシナリオでは、結果として得られるエンドツーエンドのポリシーは、以前のエンドツーエンドの手法と一致するか、あるいは超える。

関連論文リスト

• Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments [53.85970147743299]
  専門家によるデモンストレーションは、ロボット模倣学習における金の標準であると広く考えられている。 しかし、挿入、積み重ね、アライメントなどのきめ細かい操作のために、私たちは直感的な失敗モードを発見しました。 視覚言語モデルとアクションエキスパートをブリッジする,コンパクトな動的特徴であるSTAIRを導入する。
  論文  参考訳（メタデータ） (2026-06-14T04:15:29Z)
• 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)
• ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving [19.081114003415863]
  我々は,意味のある探索と密集した監視を実現するために,統合された理解・生成の枠組みを提案する。 我々は、高密度世界モデリングの目的として、将来のRGBと深度画像生成による軌道予測を強化した。 我々は、この探索信号を安全性の高い報酬に組み込んで、ポリシーを最適化する。
  論文  参考訳（メタデータ） (2026-04-03T04:14:13Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• Enhancing End-to-End Autonomous Driving with Latent World Model [78.22157677787239]
  本稿では,LAW(Latent World Model)を用いたエンドツーエンド運転のための自己教師型学習手法を提案する。 LAWは、現在の特徴とエゴ軌道に基づいて将来のシーン機能を予測する。 この自己監督タスクは、知覚のない、知覚に基づくフレームワークにシームレスに統合することができる。
  論文  参考訳（メタデータ） (2024-06-12T17:59:21Z)

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。