論文の概要: JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

• arxiv url: http://arxiv.org/abs/2606.20686v1
• Date: Sun, 14 Jun 2026 11:15:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 16:09:55.805324
• Title: JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems
• Title（参考訳）: JPPD: インテリジェントトランスポートシステムにおける動的障害物回避のための可変安全誘導を用いた共同予測・プランニング拡散
• Abstract要約: 本稿では,単条件軌道生成問題として参加者予測とロボット計画を扱う共同予測計画拡散フレームワークを提案する。 シナリオグラウンドシミュレーション、自然主義的な歩行者リプレイ、Isaac Simバリデーション、ROS/Orinデプロイメントの実験は、共同サンプリングが尾の安全性と実行効率を改善することを示している。
• 参考スコア（独自算出の注目度）: 1.9236465591431287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shared-space transportation operation requires low-speed autonomous platforms to navigate safely and efficiently among pedestrians, service robots, micromobility users, carts, and other road users. Most existing systems decompose this problem into trajectory prediction followed by motion planning, which creates one-way information flow: predicted participant futures influence the robot plan, but the selected robot plan cannot influence the predicted multi-agent evolution. This paper presents a joint prediction-planning diffusion framework that treats participant prediction and robot planning as a single conditional trajectory generation problem, where the model samples the future robot trajectory and all participant trajectories from one coupled distribution using a causal Transformer with cross-trajectory attention. To replace heuristic repulsive post-processing, the framework introduces differentiable safety potential guidance, a time-varying occupancy-probability potential whose gradient directly guides the joint sampler, and conditional flow matching is used to reduce inference steps while preserving multimodal trajectory diversity. The evaluation emphasizes shared-space operational effects, including near misses, blockage time, induced participant deviation, hard-braking events, and embedded latency, rather than treating average displacement error and final displacement error as the main result. Experiments in scenario-grounded simulation, naturalistic pedestrian replay, Isaac Sim validation, and ROS/Orin deployment show that joint sampling improves tail safety and runtime efficiency over a separated prediction-then-planning baseline.
• Abstract（参考訳）: 共有空間輸送は、歩行者、サービスロボット、マイクロモビリティユーザー、カート、その他の道路利用者の間で安全かつ効率的に移動するために、低速の自律プラットフォームを必要とする。 既存のシステムの多くは、この問題を軌道予測に分解し、一方通行の情報の流れを生成する動き計画(英語版)が続く: 予測対象先はロボット計画に影響を与えるが、選択されたロボット計画が予測されたマルチエージェント進化に影響を与えることはない。 本稿では,単一条件軌道生成問題として参加者予測とロボット計画を扱う共同予測・計画拡散フレームワークを提案する。 このフレームワークは、ヒューリスティックな反発後処理を置き換えるために、異なる安全電位誘導、勾配がジョイントサンプリングを直接誘導する時間変化占有確率を導入し、条件付きフローマッチングを用いてマルチモーダル軌道の多様性を保ちながら推論ステップを削減する。 この評価では, 平均変位誤差や最終変位誤差を主な結果として扱うのではなく, 近接ミス, 閉塞時間, 誘導受動偏差, ハードブレーキイベント, 埋め込み遅延といった共有空間の操作効果を強調した。 シナリオグラウンドシミュレーション、自然主義的歩行者リプレイ、Isaac Simバリデーション、ROS/Orinデプロイメントの実験では、共同サンプリングは、分離した予測テーマのベースラインよりも尾の安全性と実行効率を向上させる。

関連論文リスト

• One Diffusion Model, Two Roles: Guided Trajectory Planning and Safety-Critical Scenario Generation in Closed-Loop Simulation [4.570068778162319]
  本研究では,1つの事前学習拡散交通モデルが,自律走行開発ループにおいて2つの補完的な役割を果たすことを示す。 計画面では,単一ストリームデュアルストリーム(SSDS)拡散変換器デコーダを導入する。 我々は,制御可能なシナリオジェネレータと同じ拡散モデルを用いて,クローズドループ評価のためのリアルなロングテール駆動インタラクションを生成する。
  論文  参考訳（メタデータ） (2026-09-04T09:22:54Z)
• Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
  複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。 現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。 本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-02T08:10:02Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments [19.811711277536187]
  マルチロボット探索は通常、フロンティア割り当てをローカルナビゲーションから切り離す。 VORL-EXPLOREは,この制約に対処するハイブリッド学習・計画フレームワークである。 また、グローバルA*ガイダンスとリアクティブ強化学習ポリシーとの間のリスク対応適応的仲裁機構も推進している。
  論文  参考訳（メタデータ） (2026-03-09T05:20:33Z)
• STGDPM:Vessel Trajectory Prediction with Spatio-Temporal Graph Diffusion Probabilistic Model [0.0]
  船舶軌道予測は、海上交通の安全を確保し、衝突を避けるために重要な要素である。 船舶の挙動に固有の不確実性があるため、軌道予測システムは将来的な運動状態を正確にモデル化するためのマルチモーダルなアプローチを採用する必要がある。 本稿では, 容器の状態に依存する従来の集約型手法を置き換え, 動的グラフとしての相互作用のモデル化を提案する。
  論文  参考訳（メタデータ） (2025-03-11T05:50:27Z)
• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction and Tracking [23.608125748229174]
  異種エージェントを含む多エージェント軌道予測のための汎用生成ニューラルシステムを提案する。 提案システムは, 軌道予測のための3つのベンチマークデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-02-18T02:25:35Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network [29.289670231364788]
  本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。 また、車両軌道予測に効率的なキネマティック拘束層を応用した。 提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-14T20:11:13Z)

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。