論文の概要: Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving
- arxiv url: http://arxiv.org/abs/2607.29031v1
- Date: Fri, 31 Jul 2026 05:10:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.592615
- Title: Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving
- Title（参考訳）: Auto-JEPA: エンド・ツー・エンドの自動運転のための連続インテントの潜在世界モデル
- Abstract要約: 我々は,共同埋め込み予測により,継続的な未来の運転意図を学習する行動指向潜在世界モデルであるAuto-JEPAを提案する。
軌道表現、意図予測、候補選択のためのタスク固有のモジュールのみを最適化することにより、Auto-JEPAはNAVSIM v1では91.3 PDMS、NAVSIM v2では89.1Sを達成する。
- 参考スコア（独自算出の注目度）: 3.174313305594326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing autonomous-driving world models typically perform dense prediction of future videos, occupancy states, BEV representations, or agent motion. We argue that planning need not reconstruct the complete future world, but only focus on scene features that affect future ego action. Based on this perspective, we propose Auto-JEPA, an action-oriented latent world model that learns continuous future driving intent through joint-embedding prediction. Given visual observations, egomotion history, and navigation commands, Auto-JEPA predicts an intent embedding aligned with the latent representation of the future ego trajectory. The predicted intent retrieves executable trajectories from a fixed trajectory memory, which are then ranked by a scene-conditioned candidate selection module. Auto-JEPA keeps the visual encoder frozen, requires no explicit perception annotations, and uses no learned trajectory generator. By optimizing only task-specific modules for trajectory representation, intent prediction, and candidate selection, Auto-JEPA achieves 91.3 PDMS on NAVSIM v1 and 89.1 EPDMS on NAVSIM v2. Semantic occlusion experiments show that masking dynamic-agent regions induces an average intent change 2.97x that of equal-area random masking. Moreover, occluding vehicles that affect future driving substantially changes the predicted intent and selected trajectory, whereas both remain essentially unchanged when non-influential vehicles are occluded. These results show that future-intent prediction encourages the model to focus on planning-relevant visual features and supports high-quality planning without dense future-world modeling.
- Abstract（参考訳）: 既存の自動運転車の世界モデルは、通常、将来のビデオ、占有状態、BEV表現、エージェントモーションの密集した予測を実行する。
我々は、計画は完全な未来の世界を再構築する必要はなく、将来のエゴ行動に影響を与えるシーン機能にのみ焦点をあてる。
この観点から,共同埋め込み予測により連続的な未来の運転意図を学習する行動指向潜在世界モデルであるAuto-JEPAを提案する。
視覚的観察、エゴモーション履歴、ナビゲーションコマンドが与えられた後、Auto-JEPAは将来のエゴ軌道の潜在的な表現と一致した意図の埋め込みを予測する。
予測された意図は、固定された軌跡メモリから実行可能な軌跡を検索し、シーン条件の候補選択モジュールによってランク付けされる。
Auto-JEPAはビジュアルエンコーダを凍結し、明示的な認識アノテーションを必要としない。
軌道表現、意図予測、候補選択のためのタスク固有のモジュールのみを最適化することにより、Auto-JEPAはNAVSIM v1では91.3 PDMS、NAVSIM v2では89.1 PDMSを達成する。
セマンティック・オクルージョン実験により、マスキングの動的エージェント領域は、同じ領域のランダムマスキングの2.97倍の平均的な意図変化を誘導することが示された。
さらに、将来の運転に影響を与える排他的車両は予測意図と選択された軌道を実質的に変化させるが、いずれも非流動的車両が閉塞された場合、基本的には変化しない。
これらの結果から、将来的な予測は、計画に関連のある視覚的特徴に焦点を合わせ、より密集した未来のモデリングを伴わずに高品質な計画を支援することが示唆された。
関連論文リスト
- WA-JEPA: Rethinking the Video JEPA Paradigm for World-Action Modeling in Autonomous Driving [8.510409798128272]
本稿では、自律運転計画のためのVEPAネイティブな世界行動モデルWA-JEPAを提案する。
WA-JEPAは、モデルが観測された文脈から将来の潜伏者を推測する、ハイブリッド・フューチャー・マスク・プレトレーニングを採用している。
結果:WA-JEPAはNAVSIMで91.7Sに達し、最強のエンドツーエンドとワールドアクションベースラインを超えた。
論文 参考訳（メタデータ） (2026-08-21T10:54:35Z) - DA-WAM: Decision-Aligned Future Latents for Driving World Models [6.756366477497099]
DA-WAMは、予測表現学習、行動条件付き将来のモデリング、軌道スコアを単一の意思決定目標の下で統一するフレームワークである。
動作条件付き予測器は、トラジェクトリ候補毎の異なる将来の潜在状態を生成し、将来の遅延条件付き因子化スコアラによって評価される。
NAVSIM-v1とNAVSIM-v2の実験は、最先端の性能を示し、改善と診断分析は鍵となる構成要素を検証する。
論文 参考訳（メタデータ） (2026-08-19T16:33:02Z) - Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。
提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
論文 参考訳（メタデータ） (2026-03-28T14:39:51Z) - Bridging Scene Generation and Planning: Driving with World Model via Unifying Vision and Motion Representation [66.7879424097418]
We present WorldDrive, a holistic framework that couples scene generation and real-time planning through unified vision and motion representation。
動きの表現、視覚的表現、エゴ状態の間の単純な相互作用は、高品質でマルチモーダルな軌道を生成することができる。
NAVSIM、NAVSIM-v2、nuScenesベンチマークの実験は、WorldDriveが視覚のみの手法で主要な計画性能を達成することを示した。
論文 参考訳（メタデータ） (2026-03-16T07:59:39Z) - FutureX: Enhance End-to-End Autonomous Driving via Latent Chain-of-Thought World Model [103.2513470454204]
FutureXは、エンド・ツー・エンドのプランナを強化し、将来のシーンの遅延推論と軌道修正を通じて複雑な動作計画を実行するパイプラインである。
FutureXは、より合理的な運動計画と衝突を減らすことで、効率を損なうことなく既存の方法を強化する。
論文 参考訳（メタデータ） (2025-12-12T02:12:49Z) - Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution [96.25314747309811]
将来的なシーンの進化と軌道計画を共同でモデル化する,新たなエンドツーエンドフレームワークであるSeerDriveを紹介する。
本手法はまず,周辺環境の動態を予測するために,将来の鳥眼ビュー(BEV)の表現を予測する。
2つの重要な要素がこれを可能にする:(1)予測されたBEV機能を軌道プランナーに注入する将来対応計画、(2)反復的なシーンモデリングと車両計画。
論文 参考訳（メタデータ） (2025-10-13T07:41:47Z) - GenAD: Generative End-to-End Autonomous Driving [13.332272121018285]
GenADは、ジェネレーティブモデリング問題に自律運転を組み込むジェネレーティブフレームワークである。
本稿では,まず周囲のシーンをマップ対応のインスタンストークンに変換するインスタンス中心のシーントークン化手法を提案する。
次に、変動型オートエンコーダを用いて、軌道先行モデリングのための構造潜在空間における将来の軌道分布を学習する。
論文 参考訳（メタデータ） (2024-02-18T08:21:05Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Self-Supervised Action-Space Prediction for Automated Driving [0.0]
本稿では,自動走行のための新しい学習型マルチモーダル軌道予測アーキテクチャを提案する。
学習問題を加速度と操舵角の空間に投入することにより、運動論的に実現可能な予測を実現する。
提案手法は,都市交差点とラウンドアバウトを含む実世界のデータセットを用いて評価する。
論文 参考訳（メタデータ） (2021-09-21T08:27:56Z) - PiP: Planning-informed Trajectory Prediction for Autonomous Driving [69.41885900996589]
マルチエージェント設定における予測問題に対処するために,計画インフォームド・トラジェクトリ予測(PiP)を提案する。
本手法は,エゴカーの計画により予測過程を通知することにより,高速道路のデータセット上でのマルチエージェント予測の最先端性能を実現する。
論文 参考訳（メタデータ） (2020-03-25T16:09:54Z)
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。