論文の概要: UniTeD: Unified Temporal Diffusion for Joint Perception and Planning in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2606.25736v1
- Date: Wed, 24 Jun 2026 12:03:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.321328
- Title: UniTeD: Unified Temporal Diffusion for Joint Perception and Planning in Autonomous Driving
- Title（参考訳）: UniTeD:自律運転における同時知覚と計画のための統合時間拡散
- Abstract要約: UniTeDは、知覚と計画を共同でモデル化する統合時間拡散フレームワークである。
時間遷移モジュール(TTM)は、歴史的フレームと現在のフレーム間のノイズレベルのミスマッチを解決するために導入された。
さらに,スパース拡散に基づくエンド・ツー・エンド駆動フレームワークで一般的に見られるトレーニング・推論の分散シフトを軽減するために,アンカー・リフレッシュ・ストラテジー(ARS)を提案する。
- 参考スコア（独自算出の注目度）: 42.74667961659221
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion models have shown strong potential for multi-modal planning in end-to-end autonomous driving. However, most existing methods confine diffusion to the planning module, conditioning on fixed outputs from separate discriminative perception networks. This decoupled design propagates perception errors to the planner, increasing optimization difficulty and reducing robustness. To overcome these limitations, we propose UniTeD, a Unified Temporal Diffusion framework that jointly models perception and planning through iterative denoising in a shared generative space. By enabling bidirectional information exchange, the framework facilitates mutual refinement between tasks and improves robustness via noise-conditioned multi-task training. We further extend this unified diffusion paradigm to a streaming setting by incorporating temporal context. A Temporal Transition Module (TTM) is introduced to resolve the noise-level mismatch between historical and current frames. In addition, we propose an Anchor Refresh Strategy (ARS) to alleviate the training-inference distribution shift commonly observed in sparse diffusion-based end-to-end driving frameworks. Without bells and whistles, UniTeD achieves state-of-the-art performance across multiple benchmarks, surpassing both recent discriminative end-to-end methods and diffusion-based planning approaches.
- Abstract（参考訳）: 拡散モデルは、エンドツーエンドの自動運転において、マルチモーダル計画の強い可能性を示している。
しかし、既存のほとんどの方法は計画モジュールへの拡散を限定し、異なる識別的知覚ネットワークからの固定出力を条件にしている。
この分離された設計は、認識エラーをプランナーに伝播させ、最適化の難しさを増大させ、堅牢性を低下させる。
これらの制約を克服するため、共有生成空間における反復的認知を通して知覚と計画を共同でモデル化する統合時間拡散フレームワークUniTeDを提案する。
双方向情報交換を可能にすることにより,タスク間の相互改善が容易になり,ノイズ条件付きマルチタスクトレーニングによる堅牢性の向上が図られる。
我々は、この統合拡散パラダイムを時間的文脈を取り入れたストリーミング設定に拡張する。
時間遷移モジュール(TTM)は、歴史的フレームと現在のフレーム間のノイズレベルのミスマッチを解決するために導入された。
さらに,スパース拡散に基づくエンド・ツー・エンド駆動フレームワークで一般的に見られるトレーニング・推論の分散シフトを軽減するために,アンカー・リフレッシュ・ストラテジー(ARS)を提案する。
ベルとホイッスルがなければ、UniTeDは複数のベンチマークで最先端のパフォーマンスを達成し、最近の差別的なエンドツーエンドの手法と拡散ベースのプランニングアプローチに勝っている。
関連論文リスト
- Discrete Diffusion Models: A Unified Framework from Tokenization to Generation [66.16696467962375]
この研究は、基礎となる離散状態空間の構築を通じて離散拡散モデルを見る統一的な概念的枠組みを導入する。
このフレームワーク内では、遷移行列、マスキング/吸収状態、スコア/比例に基づくアプローチを含む既存の定式化が、共通のデザイン空間の異なるインスタンス化として現れる。
論文 参考訳（メタデータ） (2026-07-15T04:23:22Z) - Continuous Diffusion Scales Competitively with Discrete Diffusion for Language [48.290726603587444]
確率ベース連続拡散言語モデル(DLM)としてRePlaidを構築する。
自己回帰モデルと比較すると,RePlaidの計算ギャップは20ドル程度であることがわかった。
また、可能性に基づくトレーニングの利点を理解するための理論的洞察も提供します。
論文 参考訳（メタデータ） (2026-05-18T15:15:24Z) - Diffusion-APO: Trajectory-Aware Direct Preference Alignment for Video Diffusion Transformers [12.948398661304184]
Diffusion-APOは、ビデオ拡散モデルと人間の意図を一致させる軌跡認識アルゴリズムである。
オンラインランキング、半オンラインアンカー、オフラインリファインメント、蒸留対応ドリフト補正を統合した統一かつモジュール化されたRLHFフレームワークを導入する。
本研究では,Diffusion-APOが視覚的品質と指示の基準線を一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-05-08T09:37:46Z) - Temporally Decoupled Diffusion Planning for Autonomous Driving [6.701508758642954]
動的都市環境における運動計画には、短期的目標と即時安全のバランスが必要である。
本稿では、ノイズ・アズ・マスクのパラダイムを用いて軌道生成を再構成する時間分解拡散モデル(TDDM)を提案する。
トラジェクトリを独立したノイズレベルを持つセグメントに分割することにより、高雑音を情報空白として、弱い雑音を文脈的手がかりとして暗黙的に扱う。
これにより、より保存状態の良い時間的文脈と内部相関を利用して、破損した短期状態にモデルを補うことができる。
論文 参考訳（メタデータ） (2026-03-26T14:04:15Z) - From Flow to One Step: Real-Time Multi-Modal Trajectory Policies via Implicit Maximum Likelihood Estimation-based Distribution Distillation [18.70033095161235]
Indicit Likelihood Estimation (IMLE) を用いて条件付きフローマッチングの専門家を高速な単一ステップの学生に蒸留する枠組みを提案する。
双方向のチャンファー距離は、モードカバレッジと忠実度の両方を促進する設定レベルの目的を提供する。
統合認識エンコーダは、さらに多視点RGB、深度、点雲、プロプレセプションを幾何学的認識表現に統合する。
論文 参考訳（メタデータ） (2026-03-10T09:30:05Z) - Bridging the Discrete-Continuous Gap: Unified Multimodal Generation via Coupled Manifold Discrete Absorbing Diffusion [60.186310080523135]
離散データ(テキスト)に対する自己回帰的アプローチと連続データ(画像)に対する拡散的アプローチへの生成的モデリングの分岐は、真に統一されたマルチモーダルシステムの開発を妨げる。
階層的二重プロセスとしてマルチモーダル生成を再構成する新しい確率的フレームワークである textbfCoM-DAD を提案する。
提案手法は、標準的なマスキングモデルよりも優れた安定性を示し、スケーラブルで統一されたテキスト画像生成のための新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2026-01-07T16:21:19Z) - UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting [90.47915032778366]
マルチモーダル時系列予測のための統合拡散フレームワークUniDiffを提案する。
コアには統一的で並列な融合モジュールがあり、単一のクロスアテンション機構がタイムスタンプからの構造化情報とテキストからのセマンティックコンテキストを統合する。
8つの領域にわたる実世界のベンチマークデータセットの実験は、提案したUniDiffモデルが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-12-08T05:36:14Z) - Projected Coupled Diffusion for Test-Time Constrained Joint Generation [49.69610867216755]
制約付きジョイント生成のための新しいテストタイムフレームワークであるProjected Coupled Diffusion (PCD)を提案する。
PCDは、拡散モデル間の協調を促進するために生成力学に結合したガイダンス項を導入し、各拡散ステップにプロジェクションステップを組み込んで厳しい制約を強制する。
その結果,過剰な計算コストを発生させることなく,結合効果の向上と制約満足度が保証された。
論文 参考訳（メタデータ） (2025-08-14T11:05:31Z) - 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)
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。