論文の概要: CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving

• arxiv url: http://arxiv.org/abs/2608.14332v1
• Date: Fri, 14 Aug 2026 14:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.40679
• Title: CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving
• Title（参考訳）: コラル:LiDARによるゴール指向都市運転のためのカリキュラム最適化リワード適応
• Abstract要約: コーラルは5段階のカリキュラムであり、経路を徐々に延長し、行動制約を厳しくする。 同じ100-150mのルートで68-98%のエピソードが成功し、平均側方偏差は0.35m以下である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning is promising for autonomous urban driving, but long-horizon goal-directed navigation asks a policy to acquire several competing behaviors at once--reaching a distant goal, tracking a route, avoiding obstacles, obeying signals--and a fixed objective gives no order in which to learn them. This paper presents CORAL, which advances two schedules together: a five-stage curriculum that progressively lengthens routes and tightens behavioral constraints, and a stage-aware reward whose component weights shift emphasis from mission progress toward route following, safety, smoothness, and rule compliance as the task hardens. The policy is a multi-stream actor-critic network trained with Proximal Policy Optimization (PPO) in CARLA on a compact 99-dimensional state pairing a polar LiDAR histogram with vehicle telemetry, ego-frame route geometry, and traffic-rule indicators--no point-cloud encoder, no bird's-eye-view rasterization. Against two PPO baselines under an identical protocol, CORAL reaches the goal in all twenty evaluation episodes on the longest routes under the full set of behavioral constraints, where the baselines reach 5% and 10%; a factorial ablation shows that neither schedule alone matches their combination: removing either lowers both success and route completion, and disabling both drops success to 55%. Trained in one town, the policy transfers zero-shot to seven unseen towns, succeeding in 68-98% of episodes on routes of the same 100-150 m length, with mean lateral deviation below 0.35 m.
• Abstract（参考訳）: 強化学習は自律都市運転に有望であるが、長距離目標指向ナビゲーションは、一度に複数の競合する行動を取得するためのポリシーを要求している。 本稿では,経路を段階的に延長し,行動制約を厳しくする5段階のカリキュラムと,ミッションの進行から経路追従,安全,円滑性,規則順守へと重点を移す段階的な報酬を提示する。 このポリシーは、CARLAでPPO(Proximal Policy Optimization)を用いて訓練されたマルチストリームアクタークリティカルネットワークであり、極性LiDARヒストグラムと車両テレメトリー、エゴフレーム経路幾何学、交通ルールインジケータとを組み合わせた99次元のコンパクトな状態である。 同一のプロトコルの下での2つのPPOベースラインに対して、CORALは行動制約の完全なセットの下での最長20回の評価エピソードでゴールに達し、ベースラインが5%と10%に達する。 1つの町で訓練され、ゼロショットを7つの未確認町に転送し、同じ100-150mのルートで68-98%のエピソードを成功させ、平均側方偏差は0.35m未満である。

関連論文リスト

• SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
  既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。 本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。 我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
  論文  参考訳（メタデータ） (2026-08-31T17:59:16Z)
• NeuralParker: A Reinforcement Learning Planner for Irregular Parking Environments [25.61185429754509]
  我々は、任意の目的の駐車のための強化学習に基づくハイブリッドプランナーであるNeuralParkerを紹介する。 完全な環境障害と境界幾何学を対象相対表現にエンコードする。 学習した曲率長のアークポリシーと、様々な立方体のハーマイト接続から選択されるループ内端子アンサンブルを結合する。
  論文  参考訳（メタデータ） (2026-08-25T12:33:14Z)
• CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking [6.465600276213322]
  VLA(Vision-Language-Action)ポリシーは、視覚的標的を効果的に追跡することができるが、建物、植生、道路沿いの物体が視線を塞ぐと、その性能は劣化することが多い。 本稿では,空間認識型VLAモデルCosFly-VLAについて述べる。 OpenVLAとは対照的に、CosFly-VLA-0.8Bはオープンループ平均変位誤差(ADE)を外見テストで34.1%、目に見えないテストで35.3%削減する。
  論文  参考訳（メタデータ） (2026-07-16T13:52:08Z)
• Dreaming Across Towns: Semantic Rollout and Town-Adversarial Regularization for Zero-Shot Held-Out-Town Fixed-Route Driving in CARLA [0.0]
  学習された運転エージェントは、目に見えない環境でデプロイされると、しばしば劣化する。 本稿では、CARLAシミュレーターにおいて、この問題の故意に有界な事例について検討する。 ドリーマー方式の潜伏型ワールドモデルエージェントを構築し,2つのトレーニング専用補助損失を付加する。
  論文  参考訳（メタデータ） (2026-04-30T15:22:05Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• 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)
• Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids [1.2891210250935148]
  海上監視任務は、広大で幾何学的に複雑な領域におけるセンシング資産の効率的な配分に依存している。 伝統的なカバー・パス・プランニングアプローチは不規則な海岸線、島々、および排他的地域と戦っている。 本研究では,不規則海域の六角形格子表現においてCPPを解くための深層強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-30T12:56:38Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• 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)
• PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion [41.99844472131922]
  PGTT ( Phase-Guided Terrain Traversal) は、報酬形成を通じて歩行構造を純粋に強制する認識型ディープRLアプローチである。 MuJoCo(MJX)で、カリキュラムやドメインランダム化を伴う手続き的に生成された階段のような地形で訓練されたPGTTは、プッシュ障害の下で最も成功している。
  論文  参考訳（メタデータ） (2025-10-21T07:00:18Z)
• Relation-Aware LNN-Transformer for Intersection-Centric Next-Step Prediction [0.0]
  市内の道路横断グラフ上に道路利用者軌道を表す道路ノード中心の枠組みを導入する。 これらのキューと構造グラフの埋め込みを組み合わせることで、意味的に基底化されたノード表現が得られる。 我々のモデルは6つの最先端のベースラインを最大17ポイントの精度で1ホップで、MRRで10ポイントの精度で上回ります。
  論文  参考訳（メタデータ） (2025-08-02T13:47:12Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)

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。