論文の概要: Agent-driven Long-tail Simulation for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2607.04331v1
• Date: Sun, 05 Jul 2026 14:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.901917
• Title: Agent-driven Long-tail Simulation for Autonomous Driving
• Title（参考訳）: 自律運転のためのエージェント駆動ロングテールシミュレーション
• Authors: Junru Gu, Lijin Yang, Jianing Huang, Shu Liu, Zhongzhan Huang, Hang Zhao,
• Abstract要約: 本研究では,周囲の道路参加者が命令追従型大規模言語モデルによって制御されるエージェント駆動型シミュレーションフレームワークを提案する。 本稿では,長期かつセマンティックにリッチなシナリオにおけるクローズドループ計画のベンチマークであるSemanticPlanを紹介する。
• 参考スコア（独自算出の注目度）: 47.09732954524676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating autonomous driving systems in closed-loop settings requires realistic and interactive simulation, yet existing simulators largely rely on log replay or rule-based agents, limiting behavioral diversity and long-tail coverage. We propose an agent-driven simulation framework in which surrounding road participants are controlled by instruction-following large language models through a structured action interface, enabling intentional and reactive behaviors while preserving physical plausibility. Furthermore, we introduce SemanticPlan, a benchmark of closed-loop planning in long-tail and semantically rich scenarios that augment real nuPlan scenes with multiple interactive agents following diverse language instructions. Evaluation results show that state-of-the-art planners still struggle to consistently achieve safe and effective task completion, suggesting that these long-tail scenarios remain challenging.
• Abstract（参考訳）: クローズドループ設定での自律運転システムの評価には現実的でインタラクティブなシミュレーションが必要であるが、既存のシミュレータはログの再生やルールベースのエージェントに大きく依存しており、行動の多様性や長期範囲のカバーが制限されている。 本研究では, エージェント駆動型シミュレーションフレームワークを提案し, 周囲の道路参加者は, 構造化された動作インタフェースを通じて, 大規模言語モデルによって制御され, 物理的妥当性を保ちながら, 意図的かつ反応的な動作を可能にする。 さらに,セマンティックプランニングのベンチマークであるセマンティックプランニング(SemanticPlan)を紹介した。 評価結果は、最先端のプランナーは、安全で効果的なタスク完了を継続的に達成することに苦慮していることを示している。

関連論文リスト

• ConsistencyPlanner: Real-time Planning with Fast-Sampling Consistency Models [17.576850682759012]
  複雑な現実世界の運転シナリオにおけるクローズドループ計画は、自動運転システムにとって重要な課題である。 従来のルールベースのメソッドは解釈可能であり、それらの事前定義された定義は動的トラフィック環境への適応性に欠ける。 高速サンプリング一貫性モデルを用いたリアルタイム計画フレームワークであるConsistency Plannerを提案する。
  論文  参考訳（メタデータ） (2026-06-10T01:51:51Z)
• VLMPlanner: Integrating Visual Language Models with Motion Planning [18.633637485218802]
  VLMPlannerは、学習ベースのリアルタイムプランナと生画像の推論が可能な視覚言語モデル(VLM)を組み合わせたハイブリッドフレームワークである。 我々は,VLMが人間の運転動作を模倣できるコンテキスト適応推論ゲート機構を開発した。
  論文  参考訳（メタデータ） (2025-07-27T16:15:21Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)

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。