論文の概要: Spatio-Temporal Retrieval-based Priors for Adaptive Computational Teaching in Driving

• arxiv url: http://arxiv.org/abs/2606.25224v1
• Date: Tue, 23 Jun 2026 22:47:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.164728
• Title: Spatio-Temporal Retrieval-based Priors for Adaptive Computational Teaching in Driving
• Title（参考訳）: 運転における適応型計算指導のための時空間検索に基づく事前学習
• Authors: Deepak Edakkattil Gopinath, Xiongyi Cui, Jonathan DeCastro, Avinash Balachandran, Guy Rosman,
• Abstract要約: 時間的推論モジュールを用いた適応学習のための模倣学習に基づく計算モデルを提案する。 本研究の結果は, 適応的でないベースラインに先行して, 隣接した検索と相互注意を併用した適応型学習モデルの一貫した優位性を明らかにした。
• 参考スコア（独自算出の注目度）: 3.525101664757844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning-based automated coaching systems for complex motor tasks such as high-performance driving remain limited in the ability to be adaptive by their reliance only on local, context-dependent reasoning, failing to account for the long-term temporal nature of student learning and the cumulative impact of repeated teacher-student interactions. In this paper, we propose an imitation learning based computational model for adaptive teaching with a dedicated temporal reasoning module that can reason over the interaction history under low-data regimes. To compensate for limited amounts of interactive training data, and based on the repetitive nature of the teaching process, the model relies on a nearest neighbor retrieval and cross attention prior, reasoning only on a narrowed-down set of semantically similar past interactions with an encoder-decoder based concurrent teaching model. We validate our approach with (i) a novel semi-synthetic closed-loop longitudinal student-teacher interaction dataset based on Waymo Open Motion Dataset and (ii) a small-scale real-world naturalistic simulator race coaching dataset. Our results reveal the consistent advantage of our adaptive teaching model with the nearest neighbor retrieval and cross-attention prior over a non-adaptive baseline as well as a suite of adaptive models that differ in their choice of priors and temporal fusion mechanisms.
• Abstract（参考訳）: 高速運転のような複雑な運動タスクのための学習ベースの自動コーチングシステムは、局所的、文脈に依存した推論にのみ依存し、学習者の長期的時間的性質と繰り返し教師と学生の相互作用の累積的影響を考慮しない能力に限られている。 本稿では、低データ体制下での相互作用履歴を推論できる専用の時間的推論モジュールを用いて、適応型学習のための模倣学習に基づく計算モデルを提案する。 限られた量の対話的訓練データを補償し、その繰り返しの性質に基づいて、エンコーダ・デコーダをベースとした同時指導モデルとのセマンティックに類似した過去の相互作用の狭義のセットのみを推論し、近隣の探索と横断的注意に依存している。 私たちはアプローチを検証します (i)Waymo Open Motion Datasetに基づく半合成閉ループ長手学生と教師のインタラクションデータセット (II) 小規模の実世界自然主義型レースコーチングデータセット。 本研究は,適応学習モデルと,非適応ベースラインに先行する隣接検索と相互注意による一貫した優位性を示すとともに,事前および時間融合機構の選択に異なる適応モデル群も明らかにした。

関連論文リスト

• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)
• Adaptive Cascading Network for Continual Test-Time Adaptation [12.718826132518577]
  そこで本研究では,テスト時に対象ドメインの列に事前学習したソースモデルを適応させることを目標とする連続的なテスト時間適応の問題について検討する。 テストタイムトレーニングの既存の方法には、いくつかの制限がある。
  論文  参考訳（メタデータ） (2024-07-17T01:12:57Z)
• Learning-based adaption of robotic friction models [50.72489248401199]
  我々は、可能な限り少ないデータを用いて、既存の摩擦モデルを新しいダイナミクスに適用するための新しいアプローチを導入する。 本手法はトレーニング中に外部負荷を伴うデータに依存しないため,外部トルクセンサは不要である。
  論文  参考訳（メタデータ） (2023-10-25T14:50:15Z)
• DriveAdapter: Breaking the Coupling Barrier of Perception and Planning in End-to-End Autonomous Driving [64.57963116462757]
  最先端の手法は通常、教師-学生のパラダイムに従う。 学生モデルは、生のセンサーデータのみにアクセスし、教師モデルによって収集されたデータに基づいて行動クローニングを行う。 本稿では,学生(知覚)と教師(計画)モジュール間の機能アライメント目的関数を持つアダプタを用いたDriveAdapterを提案する。
  論文  参考訳（メタデータ） (2023-08-01T09:21:53Z)
• Adaptive Rollout Length for Model-Based RL Using Model-Free Deep RL [39.58890668062184]
  ロールアウト長をメタレベルのシーケンシャルな意思決定問題としてチューニングする問題について検討する。 メタレベル決定問題の解決にはモデルフリーの深層強化学習を用いる。
  論文  参考訳（メタデータ） (2022-06-06T06:25:11Z)

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。