論文の概要: Language-Structured Relational Q-Learning for Threat-Aware Control in Safety-Critical Driving
- arxiv url: http://arxiv.org/abs/2608.11498v1
- Date: Tue, 11 Aug 2026 23:24:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.401151
- Title: Language-Structured Relational Q-Learning for Threat-Aware Control in Safety-Critical Driving
- Title（参考訳）: 安全臨界運転における脅威認識制御のための言語構造化関係Qラーニング
- Abstract要約: ERQ-Netは動的トラフィックグラフから車間関係と動作を学習する。
2,500の安全クリティカルなシナリオでは、言語中心のトレーニングは、テストの成功を49-52%から55-58%に改善する。
我々は、この不一致をリレーショナルコントロールギャップとして定式化し、報酬の再重み付けとマージン形成が結果として生じる政策崩壊を排除しないことを示す。
- 参考スコア（独自算出の注目度）: 4.08850098917292
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Natural-language-based scenario generation offers an intuitive means of describing rare and complex driving interactions, yet it is still uncertain whether training with language-structured data leads to truly adaptive control policies. We propose Language-Structured Relational Q-Learning, instantiated through an Ego-Centric Relational Q-Network (ERQ-Net), which jointly learns inter-vehicle relevance and action values from dynamic traffic graphs. Language descriptions define surrounding-vehicle behaviours during training, while prompts and semantic actor roles are hidden from the policy. ERQ-Net must therefore infer threat relevance solely from observable kinematics and interactions. Across 2,500 safety-critical scenarios, language-structured training improves test success from 49-52% to 55-58% and increases adversary-focused attention from 1.2x to 2.1x, demonstrating emergent threat awareness. However, this representational gain does not consistently translate into adaptive control: trained policies perform similarly to the best constant action, while a portfolio of simple policies solves 76% of scenarios. We formalise this discrepancy as a recognition-control gap and show that reward reweighting and margin shaping do not eliminate the resulting policy collapse. Evaluations of realism, criticality, semantic accuracy, and transfer of state-interface representations to CARLA further highlight both the strengths and the constraints of language-structured relational policy learning in safety-critical driving scenarios.
- Abstract（参考訳）: 自然言語に基づくシナリオ生成は、稀で複雑な運転インタラクションを記述するための直感的な手段を提供するが、言語構造化データによるトレーニングが真に適応的な制御ポリシーにつながるかどうかはまだ不明である。
本稿では,車間関係と動的トラフィックグラフからの動作値の同時学習を行うEgo-Centric Relational Q-Network (ERQ-Net) を通じて,言語構造化関係Q-Learningを提案する。
言語記述は、トレーニング中の周囲の車内行動を定義し、プロンプトとセマンティックアクターの役割はポリシーから隠されている。
したがって、ERQ-Netは観測可能なキネマティクスと相互作用のみから脅威関連性を推測しなければならない。
2,500の安全クリティカルなシナリオにおいて、言語構造化トレーニングは、テストの成功を49-52%から55-58%に改善し、敵の注意を1.2倍から2.1倍に増やし、突発的な脅威意識を示す。
しかし、この表現的ゲインは、常に適応的な制御に変換されない:訓練されたポリシーは、最高の一定のアクションと同じような働きをするが、単純なポリシーのポートフォリオは、シナリオの76%を解決している。
我々は、この不一致を認識制御ギャップとして定式化し、報酬の再重み付けとマージン形成が結果として生じる政策崩壊を排除しないことを示す。
CARLAへの現実主義、批判性、意味的正確性、および状態-インターフェース表現の移譲の評価は、安全クリティカルな運転シナリオにおける言語構造的リレーショナルポリシー学習の強みと制約をさらに強調する。
関連論文リスト
- Safety-aware Skill Adaptation for Reinforcement Learning in Dynamic Environments [2.9923891863939946]
Dist-GPRLは、構造化ロボットスキル適応のための遠隔認識および安全誘導型強化学習フレームワークである。
ガウス過程(GP)に基づくスキルパラメタライゼーションを基盤として,スパーストラジェクトリの局所窓の重なり合いを逐次適応する。
シミュレーションにおける2つの動的オブジェクト操作タスクの枠組みを評価し,実世界のロボットに学習方針を伝達する。
論文 参考訳（メタデータ） (2026-09-10T12:05:54Z) - Threat-guided Policy-aware Scene Perturbation for Safe Autonomous Driving with Online Reinforcement Learning [21.268329695683203]
オンラインRLを用いた安全な自動運転を実現するために,Treat-guided Policy-aware Scene Perturbation (TPSP)を提案する。
TPSPは、政策行動と周辺環境の相互作用を捉え、現在の政策に沿ったシーン摂動を可能にする。
実験により、TPSPは安全性の学習効率を向上し、約400万kmの運転データでNAVSIM v2の安全性を向上することが示された。
論文 参考訳（メタデータ） (2026-08-11T02:49:50Z) - In-Context VLA: Endowing Vision-Language-Action Models with Language via In-Context Post-Training and Agentic Tool Use [18.507118969955666]
Vision-Language-Actionモデルは、静的イメージと固定命令で条件付けられた専門家のアクションチャンクを模倣する。
textbfourmethodは,言語能力を備えたVLAを実現するフレームワークである。
提案手法は,CoTをベースとした手法と比較して,性能と効率の両面において一貫したSOTA結果が得られる。
論文 参考訳（メタデータ） (2026-08-06T08:21:02Z) - SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning [38.54413500261524]
アウトカムベース強化学習(RL)は、実用的な最適化パラダイムを提供するが、その疎度な軌道レベルの報酬は、中間決定に関する限られたガイダンスを提供する。
筆者らは,自己進化型フレームワークSEED(Self-Evolving On-Policy Distillation)を提案する。
論文 参考訳（メタデータ） (2026-07-16T09:57:18Z) - From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving [56.30087557121323]
AlignADVは学習性誘導型クローズドループ対向トレーニングフレームワークである。
敵のシナリオを解決可能で能力に整合したカリキュラムに変換する。
実験の結果、最大40.6%のトレーニングステップが短縮された。
論文 参考訳（メタデータ） (2026-06-12T02:13:55Z) - Language-Grounded Decoupled Action Representation for Robotic Manipulation [78.42228162226839]
認識と制御を結びつけるために,Language-Grounded Decoupled Action Representation (LaDA) フレームワークを提案する。
LaDAは3つの解釈可能なアクションプリミティブ(翻訳、回転、グリップ制御)の微細な中間層を導入し、低レベルのアクションに対して明示的な意味構造を提供する。
さらに、セマンティックガイダンスによるソフトラベルのコントラスト学習の目的を用いて、類似のアクションプリミティブをタスク間で整列させ、一般化と動きの整合性を高める。
論文 参考訳（メタデータ） (2026-03-13T13:08:26Z) - Vision and language: Novel Representations and Artificial intelligence for Driving Scene Safety Assessment and Autonomous Vehicle Planning [2.1379801460200416]
視覚言語モデル(VLM)は、視覚観察を自然言語の概念と整合させる強力な表現学習システムとして登場した。
本稿では、視覚言語表現が、認識、予測、計画パイプラインに統合された場合、シーンの安全性評価と意思決定をどのようにサポートするかを検討する。
論文 参考訳（メタデータ） (2026-02-07T20:04:21Z) - COVLM-RL: Critical Object-Oriented Reasoning for Autonomous Driving Using VLM-Guided Reinforcement Learning [55.83415345423854]
批判的オブジェクト指向(CO)推論と強化学習(RL)を統合した新しいエンドツーエンド駆動フレームワークCOVLM-RLを提案する。
CARLAシミュレータで行った実験により、COVLM-RLはトレーニング運転環境における成功率を30%向上することが示された。
論文 参考訳（メタデータ） (2025-12-10T06:18:16Z) - LinguaSim: Interactive Multi-Vehicle Testing Scenario Generation via Natural Language Instruction Based on Large Language Models [8.846728055959739]
大規模言語モデル(LLM)は、新しいシナリオ生成メソッドを可能にした。
現在の手法は、実世界の運転環境のリアリズムとコマンドの付着精度のバランスをとるのに苦労している。
自然言語をリアルでインタラクティブな3Dシナリオに変換するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-09T10:30:02Z) - Conformal Policy Learning for Sensorimotor Control Under Distribution
Shifts [61.929388479847525]
本稿では,センサコントローラの観測値の分布変化を検知・応答する問題に焦点をあてる。
鍵となる考え方は、整合量子を入力として取ることができるスイッチングポリシーの設計である。
本稿では, 基本方針を異なる特性で切り替えるために, 共形量子関数を用いてこのようなポリシーを設計する方法を示す。
論文 参考訳（メタデータ） (2023-11-02T17:59:30Z) - A Regularized Implicit Policy for Offline Reinforcement Learning [54.7427227775581]
オフラインの強化学習は、環境とのさらなるインタラクションなしに、固定データセットから学習を可能にする。
フレキシブルだが十分に調整された完全実装ポリシーの学習を支援するフレームワークを提案する。
D4RLデータセットの実験とアブレーション研究により、我々のフレームワークとアルゴリズム設計の有効性が検証された。
論文 参考訳（メタデータ） (2022-02-19T20:22:04Z) - Offline Reinforcement Learning with Implicit Q-Learning [85.62618088890787]
現行のオフライン強化学習手法では、トレーニング中に見つからない行動の価値を問い合わせて、ポリシーを改善する必要がある。
本稿では,データセット外の動作を評価する必要のないオフラインRL手法を提案する。
この方法により、学習したポリシーは、一般化によってデータの最良の振る舞いを大幅に改善することができる。
論文 参考訳（メタデータ） (2021-10-12T17:05:05Z)
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。