論文の概要: DH-VLM: Dual-Horizon Cooperative Latent Reasoning for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2608.09333v1
- Date: Mon, 10 Aug 2026 09:11:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.178566
- Title: DH-VLM: Dual-Horizon Cooperative Latent Reasoning for Autonomous Driving
- Title（参考訳）: DH-VLM:DH-VLMによる自律走行のための二重水平協調遅延推論
- Abstract要約: 自律運転のための大規模言語モデルは、グローバルな理解と長期計画を可能にする。
DH-VLMは、インフラとエゴ車両間の非対称な意味的協調を可能にする、二重水平協調型潜在推論フレームワークである。
当社のアプローチでは,インフラストラクチャガイダンスエラーに対する堅牢性を維持しながら,通信コストを57.3%削減し,GPUメモリ使用率を25.5%削減する。
- 参考スコア（独自算出の注目度）: 18.84059893263656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large-scale language models for autonomous driving enable enhanced global understanding and long-horizon planning. However, when deployed in isolated vehicles, limited sensing range and occlusions restrict reliable decision-making, and the substantial computational and latency overhead makes on-board deployment impractical. Cooperative driving provides a potential solution by leveraging external agents for information exchange, but existing methods remain limited in semantic reasoning capability under practical constraints. To address these challenges, we propose DH-VLM, a dual-horizon cooperative latent reasoning framework that enables asymmetric semantic cooperation between the infrastructure and ego vehicle. The infrastructure aggregates multi-layer hidden states to form a global-reasoning horizon latent guidance, which is integrated into the ego model through an Infrastructure-Driven Latent Evolution mechanism for conditional latent refinement. This enables the ego vehicle to leverage long-range contextual understanding while preserving autonomous decision-making within its local planning horizon. Furthermore, we construct a cooperation-oriented question-answer (QA) dataset covering fundamental scene understanding and ego-personalized comprehension to support counterfactual and safety-aware reasoning. Extensive experiments demonstrate that DH-VLM achieves state-of-the-art planning performance, outperforming the previous state of the art by 14.6% in L2 error and 26.9% in collision rate. Compared with query-based end-to-end cooperative driving methods, our approach reduces the communication cost by 57.3% and GPU memory usage by 25.5%, while maintaining strong robustness against infrastructure guidance errors, providing a practical and robust paradigm for cooperative autonomous driving.
- Abstract（参考訳）: 自律運転のための大規模言語モデルは、グローバルな理解と長期計画を可能にする。
しかし、分離された車両に配備された場合、検知範囲と閉塞範囲が限られており、信頼性の高い意思決定が制限され、かなりの計算と遅延のオーバーヘッドがオンボードでの配備を非現実的にする。
協調運転は、情報交換に外部エージェントを活用することで潜在的な解決策を提供するが、既存の手法は、実際的な制約の下で意味推論能力に限られている。
これらの課題に対処するために,インフラとエゴ車両間の非対称な意味的協調を可能にする,二重水平協調型潜在推論フレームワークであるDH-VLMを提案する。
インフラは多層隠れ状態を集約してグローバルな水平潜航誘導を形成する。これは条件付き潜航潜航潜航高度化のためのインフラストラクチャ駆動潜航進化機構を通じてエゴモデルに統合される。
これにより、エゴの車両は、地域計画の地平内で自律的な意思決定を維持しながら、長距離の文脈的理解を活用することができる。
さらに,基本的場面理解と自我的個人化理解を包含した協調型質問応答(QA)データセットを構築し,対実的かつ安全に配慮した推論を支援する。
大規模な実験により、DH-VLMは最先端の計画性能を達成し、従来の最先端のL2エラーを14.6%、衝突率を26.9%上回った。
提案手法は,問合せに基づくエンドツーエンド協調運転法と比較して,57.3%の通信コストとGPUメモリ使用率を25.5%削減すると同時に,インフラストラクチャ誘導エラーに対する堅牢性を維持し,協調運転のための実用的で堅牢なパラダイムを提供する。
関連論文リスト
- Roadside-Cooperative Autonomous Driving: From Data Platform to Vision-Language End-to-End Reasoning [19.188066393763407]
AURORAはエンドツーエンドの協調運転フレームワークである。
AURORAは、エゴと道路側における空間的および意味的差異を緩和する。
LoRAに適応したVLMブリッジは意味的推論と生成軌道計画を行う。
論文 参考訳（メタデータ） (2026-08-21T12:29:27Z) - A Collaborative Multi-Modality Interaction for VLA-based End-to-End Autonomous Driving [96.81243316566764]
VLA(Vision-Language-Action)モデルは、エンドツーエンドの自動運転の強力なパラダイムとして登場した。
マルチモーダリティインタラクションと多軌道計画と最適化を組み合わせた,堅牢なVLAベースのエンドツーエンド自動運転システムを提案する。
論文 参考訳（メタデータ） (2026-08-21T09:06:16Z) - Causality-Aware End-to-End Autonomous Driving via Ego-Centric Joint Scene Modeling [20.79524129066014]
本稿では、CaADと呼ばれる、因果認識のエンドツーエンド自動運転フレームワークを提案する。
まず,限界予測分岐上に構築されたエゴ中心の合同因果モデリングモジュールを提案する。
第2に,エゴ政策を計画指向閉ループフィードバックと整合させるために,共同モード埋め込みで実装した因果対応政策アライメントステージを採用する。
論文 参考訳（メタデータ） (2026-05-13T15:06:22Z) - A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict [50.983743505985956]
我々は,より自然で効果的な人間-車間相互作用を確立するために,Human-Oriented Cooperative Driving (HOCD) アプローチを提案する。
実装においては、シームレスな人車連携を確保するため、戦術レベルと運用レベルを考慮に入れます。
他の協調運転法と比較して,提案手法は運転性能を著しく向上し,人間と機械の衝突を緩和する。
論文 参考訳（メタデータ） (2025-12-29T05:51:00Z) - AutoDrive-R$^2$: Incentivizing Reasoning and Self-Reflection Capacity for VLA Model in Autonomous Driving [37.260140808367716]
本稿では,自律運転システムの推論能力と自己回帰能力を両立させる新しいVLAフレームワークであるAutoDrive-R$2$を提案する。
まず,教師付き微調整のための新しいCoTデータセット nuScenesR$2$-6K を提案する。
次に, グループ相対政策最適化(GRPO)アルゴリズムを用いて, 信頼性の高い滑らかさと現実的な軌道計画を実現する。
論文 参考訳（メタデータ） (2025-09-02T04:32:24Z) - Research Challenges and Progress in the End-to-End V2X Cooperative Autonomous Driving Competition [54.341718589800855]
車両間通信(V2X)は、知覚範囲を拡大し運転安全性を高めるための重要な手段となっている。
我々は,協調的時間知覚と協調的エンドツーエンド計画という2つのトラックを特徴とする,V2X協力によるエンドツーエンド自律運転を組織した。
本稿では,バンド幅認識融合,堅牢なマルチエージェント計画,異種センサ統合といった重要な研究課題を取り上げ,課題の設計と成果について述べる。
論文 参考訳（メタデータ） (2025-07-29T09:06:40Z) - ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving [49.07731497951963]
ReCogDriveは、エンドツーエンドの自動運転のための新しい強化認知フレームワークである。
我々は、人間のドライバーのシーケンシャルな認知過程を模倣する階層的なデータパイプラインを導入する。
次に、VLMの学習した運転先を拡散プランナーに注入することで、言語行動ミスマッチに対処する。
論文 参考訳（メタデータ） (2025-06-09T03:14:04Z) - SOLVE: Synergy of Language-Vision and End-to-End Networks for Autonomous Driving [51.47621083057114]
SOLVEは、ビジョンランゲージモデルとエンド・ツー・エンド(E2E)モデルを相乗化して自動運転車の計画を強化する革新的なフレームワークである。
提案手法は,VLMとE2Eコンポーネント間の包括的インタラクションを実現するために,共有ビジュアルエンコーダによる機能レベルでの知識共有を重視している。
論文 参考訳（メタデータ） (2025-05-22T15:44:30Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - V2X-VLM: End-to-End V2X Cooperative Autonomous Driving Through Large Vision-Language Models [13.716889927164383]
自動車間協力(V2X)は、古典的な自動運転の認識限界を克服するための有望なパラダイムとして浮上している。
本稿では、視覚言語モデル(VLM)に基づく新しいエンドツーエンド(E2E)協調自動運転フレームワークであるV2X-VLMを紹介する。
V2X-VLMは、車両やインフラからの多視点カメラビューとテキストベースのシーン記述を統合し、運転環境のより包括的な理解を可能にする。
論文 参考訳（メタデータ） (2024-08-17T16:42:13Z)
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。