論文の概要: PlanRL: A Trajectory Planning Architecture for Reinforcement Learning-based Driving Experts

• arxiv url: http://arxiv.org/abs/2606.26858v1
• Date: Thu, 25 Jun 2026 10:42:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.237521
• Title: PlanRL: A Trajectory Planning Architecture for Reinforcement Learning-based Driving Experts
• Title（参考訳）: PlanRL:強化学習に基づく運転エキスパートのための軌道計画アーキテクチャ
• Abstract要約: 強化学習(Reinforcement Learning, RL)は、自動運転車の運転専門家を育成するための重要なフレームワークとなっている。 本稿では、RLポリシーをキネマティックベースの軌道プランナーと統合したRL駆動の専門家のための新しい軌道計画アーキテクチャを提案する。 我々はCARLAベンチマークに対する我々のアプローチを評価し、既存の制御ベースのRL専門家を著しく上回っている。
• 参考スコア（独自算出の注目度）: 42.30212481193531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning (RL) has become a prominent framework for developing driving experts in autonomous vehicles. However, most existing RL-based experts are designed to output direct control commands (e.g., throttle, steering), which suffer from a lack of interpretability, high spatial complexity in learning road geometries, and poor compatibility with modern end-to-end planning architectures. To address these limitations, we propose a novel trajectory planning architecture for RL driving experts that integrates an RL policy with a polynomial-based trajectory planner. By employing a Frenet-frame coordinate system, our method simplifies complex road geometries into a curvilinear framework, offering a structured coordinate prior that facilitates policy learning. Furthermore, we incorporate a kinematic feasibility check into the planning stage to ensure that generated trajectories remain within the vehicle's physical limits, effectively mitigating cumulative tracking errors typically found in planning-based systems. We evaluate our approach on key CARLA benchmarks, where it significantly outperforms existing state-of-the-art control-based RL experts. On the CARLA Offline Leaderboard v1 and NoCrash benchmarks, our method improves the driving score by 5% and 11%, respectively, and increases the success rate by 8% and 19%.
• Abstract（参考訳）: 強化学習(Reinforcement Learning, RL)は、自動運転車の運転専門家を育成するための重要なフレームワークとなっている。 しかし、既存のRLベースの専門家は直接制御コマンド(例えばスロットル、ステアリング)を出力するよう設計されている。 これらの制約に対処するために,RL と多項式ベースの軌道プランナを統合した RL 駆動の専門家のための新しい軌道計画アーキテクチャを提案する。 本稿では,Frenet-frame座標系を用いることで,複雑な道路ジオメトリをカービリニア・フレームワークに単純化し,政策学習を容易にする構造的座標を前もって提供する。 さらに、車両の物理的限界内に生成した軌道が残ることを保証するために、計画段階に運動的実現性チェックを組み込み、計画ベースシステムで通常見られる累積的な追跡誤差を効果的に軽減する。 我々はCARLAベンチマークに対する我々のアプローチを評価し、既存の最先端の制御ベースのRL専門家を著しく上回っている。 CARLA のオフラインリーダーボード v1 と NoCrash のベンチマークでは,運転スコアを 5% と 11% に改善し,成功率を 8% と 19% に向上させた。

関連論文リスト

• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models [51.43746425777865]
  大規模言語モデル(LLM)は、しばしばグローバル戦略を定式化する能力に欠けており、長い水平タスクにおけるエラーの伝播につながる。 PILOTは,大規模モデルの戦略的監視を本質的な潜伏誘導に内部化するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T12:38:56Z)
• Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail [85.47497935739936]
  Alpamayo-R1 (AR1) は、因果推論の連鎖と軌道計画を統合する視覚言語モデルである。 また,AR1は,軌道のみのベースラインに比べて,難問の計画精度が12%向上することを示した。 今後のアップデートで、AR1モデルとCoCのサブセットをリリースする予定です。
  論文  参考訳（メタデータ） (2025-10-30T01:25:34Z)
• CarPlanner: Consistent Auto-regressive Trajectory Planning for Large-scale Reinforcement Learning in Autonomous Driving [23.7034061448326]
  軌道計画は自動運転に不可欠であり、複雑な環境で安全かつ効率的な航法を確保する。 本稿では、強化学習を用いてマルチモーダル軌道を生成するtextbfConsistent textbfauto-textbfregressive textbfPlannerについて紹介する。
  論文  参考訳（メタデータ） (2025-02-27T09:26:22Z)
• TeLL-Drive: Enhancing Autonomous Driving with Teacher LLM-Guided Deep Reinforcement Learning [61.33599727106222]
  TeLL-Driveは、Teacher LLMを統合して、注意に基づく学生DRLポリシーをガイドするハイブリッドフレームワークである。 自己維持機構はDRLエージェントの探索とこれらの戦略を融合させ、政策収束を加速し、堅牢性を高める。
  論文  参考訳（メタデータ） (2025-02-03T14:22:03Z)
• Reinforced Imitative Trajectory Planning for Urban Automated Driving [3.2436298824947434]
  本稿では,RLと模倣学習を統合して多段階計画を可能にする,RLに基づく新しい軌道計画手法を提案する。 都市シナリオにおけるRLに対する効果的な報酬信号を提供する変圧器に基づくベイズ報酬関数を開発した。 提案手法は,大規模な都市自動運転 nuPlan データセット上で検証された。
  論文  参考訳（メタデータ） (2024-10-21T03:04:29Z)
• Let Hybrid A* Path Planner Obey Traffic Rules: A Deep Reinforcement Learning-Based Planning Framework [0.0]
  本研究では、ハイブリッドA*経路計画のような低レベルアルゴリズムと深層強化学習(DRL)を組み合わせることで、高レベルな意思決定を行う。 ハイブリッドA*プランナーは、モデル予測コントローラ(MPC)によって実行される衝突のない軌道を生成することができる さらに、DRLアルゴリズムは、選択した時間内にレーン変更コマンドを一貫性を保つことができる。
  論文  参考訳（メタデータ） (2024-07-01T12:00:10Z)
• LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
  従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。 当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
  論文  参考訳（メタデータ） (2023-12-30T02:53:45Z)
• Data-efficient Deep Reinforcement Learning for Vehicle Trajectory Control [6.144517901919656]
  強化学習(RL)は、古典的なアプローチよりも優れた制御性能を達成することを約束する。 SAC(Soft-actor critic)のような標準RLアプローチでは、大量のトレーニングデータを収集する必要がある。 近年開発されたディープRL法を車両軌道制御に適用した。
  論文  参考訳（メタデータ） (2023-11-30T09:38:59Z)
• Trajectory Planning for Autonomous Vehicles Using Hierarchical Reinforcement Learning [21.500697097095408]
  不確実かつ動的条件下で安全な軌道を計画することは、自律運転問題を著しく複雑にする。 RRT(Rapidly Exploring Random Trees)のような現在のサンプリングベース手法は、高い計算コストのため、この問題には理想的ではない。 軌道計画のための階層型強化学習構造とPID(Proportional-Integral-Derivative)コントローラを提案する。
  論文  参考訳（メタデータ） (2020-11-09T20:49:54Z)

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。