Fugu-MT 論文翻訳(概要): Scaling Curriculum Learning For Autonomous Driving

論文の概要: Scaling Curriculum Learning For Autonomous Driving

arxiv url: http://arxiv.org/abs/2608.22549v1
Date: Sun, 23 Aug 2026 18:51:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-25 13:29:43.789344
Title: Scaling Curriculum Learning For Autonomous Driving
Title（参考訳）: 自動運転のためのカリキュラム学習のスケーリング
Abstract要約: CL4ADは、カリキュラム学習をバッチ化された自律運転シミュレータに統合する最初の試みである。本稿では,成功率とエージェントの行動の現実性に基づいてキュリキュラを形作るユーティリティ関数を提案する。我々は,カリキュラム学習がドメインランダム化よりも10億歩早く,99%の成功率を達成することを示した。
参考スコア（独自算出の注目度）: 35.25765047709282
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Batched simulators for autonomous driving have recently enabled training reinforcement learning (RL) agents at scale, encompassing thousands of traffic scenarios and billions of interactions within a matter of days. Although such high-throughput feeds RL algorithms faster than ever, their sample-efficiency has not kept pace: As the standard training scheme, domain randomization uniformly samples scenarios, thereby consuming a vast number of interactions on cases that contribute little to learning. Curriculum learning offers a remedy by adaptively prioritizing scenarios that matter most to policy improvement. We present CL4AD, the first integration of curriculum learning into batched autonomous driving simulators by framing scenario selection as an unsupervised environment design problem. We introduce utility functions that shape curricula based on success rates and the realism of the agent's behavior, in addition to existing regret-estimation functions. Large-scale experiments in GPUDRIVE demonstrate that curriculum learning achieves a 99% success rate a billion steps earlier than domain randomization, reducing wall-clock time by 77%, and outperforms heuristic curricula with static and dynamic attributes, with only one exception at the largest scale. An ablation under limited compute shows that curriculum learning improves sample efficiency by 67%. We also investigate how utility functions behave at scale, and how prioritized scenarios evolve during training. We release an implementation of CLForAD in GPUDRIVE.
Abstract（参考訳）: 自動運転のためのバッチ化されたシミュレーターは、最近、何千もの交通シナリオと何十億ものインタラクションを1日以内に包含する訓練強化学習(RL)エージェントを大規模に実現した。標準的なトレーニングスキームとして、ドメインのランダム化は一様にシナリオをサンプリングするので、学習にはほとんど寄与しないケースにおいて、膨大な数のインタラクションを消費します。カリキュラム学習は、政策改善に最も重要となるシナリオを適応的に優先順位付けすることで、改善を提供する。 CL4ADは、教師なし環境設計問題としてシナリオ選択をフレーミングすることで、カリキュラム学習をバッチ化された自律運転シミュレータに統合する最初の方法である。本稿では,既存の後悔推定機能に加えて,成功率とエージェントの行動の現実性に基づいてキュキュキュラを形作るユーティリティ機能を紹介する。 GPUDRIVEの大規模な実験では、カリキュラム学習はドメインのランダム化よりも10億歩早く成功率99%を達成し、ウォールクロック時間を77%削減し、静的な属性と動的属性でヒューリスティックなキュリキュラを上回り、最大のスケールでは1つの例外しか発生しないことを示した。限定計算の下でのアブレーションは、カリキュラム学習がサンプル効率を67%向上させることを示している。また、ユーティリティ関数が大規模にどのように振る舞うか、トレーニング中に優先順位付けされたシナリオがどのように進化するかについても検討する。我々はGPUDRIVEにおけるCLForADの実装をリリースする。

関連論文リスト

CLEAR: Closed-Loop Reinforcement Learning at Scale for End-to-End Autonomous Driving [66.77752555295355]
E2E-ADのための大規模強化学習(RL)を用いた閉ループ訓練システムであるCLEARを提案する。簡単な報奨により、CLEARは従来の手法よりも大幅に優れ、新しい最先端性能を設定できることが示される。
論文参考訳（メタデータ） (2026-07-03T00:34:50Z)
Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
論文参考訳（メタデータ） (2026-02-25T06:58:06Z)
Learning to Accelerate Vision-Language-Action Models through Adaptive Visual Token Caching [25.295588774254952]
我々は、学習可能なポリシー最適化問題として推論加速度を再構成する。本稿では,タスク認識による意思決定プロセスを直接Vision-Language-Actionモデルに統合する新しいフレームワークを提案する。提案手法は, 平均成功率を同時に向上させながら, 1.76倍のウォールクロック推定速度向上を実現する。
論文参考訳（メタデータ） (2026-01-31T12:12:51Z)
Automatic Curriculum Learning for Driving Scenarios: Towards Robust and Efficient Reinforcement Learning [11.602831593017427]
本稿では、強化学習(RL)を用いたエンドツーエンド自動運転エージェントの訓練の課題について述べる。 RLエージェントは通常、シミュレーションにおいて周囲の道路利用者の一定のシナリオと名目上の振る舞いで訓練される。本稿では,エージェントの進化能力に基づいて,適応性のある複雑な運転シナリオを動的に生成する自動カリキュラム学習フレームワークを提案する。
論文参考訳（メタデータ） (2025-05-13T06:26:57Z)
Coarse-to-fine Q-Network with Action Sequence for Data-Efficient Robot Learning [62.3886343725955]
本稿では,行動列上のQ値を出力する批判ネットワークを学習する,新しい値に基づく強化学習アルゴリズムを提案する。実験により、CQN-ASは、様々なスパース逆ヒューマノイド制御およびテーブルトップ操作タスクにおいて、いくつかのベースラインより優れていることが示された。
論文参考訳（メタデータ） (2024-11-19T01:23:52Z)
Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
論文参考訳（メタデータ） (2024-09-12T11:50:06Z)
Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
論文参考訳（メタデータ） (2023-06-27T17:58:39Z)
Accelerated Policy Learning with Parallel Differentiable Simulation [59.665651562534755]
微分可能シミュレータと新しいポリシー学習アルゴリズム(SHAC)を提案する。本アルゴリズムは,スムーズな批判機能により局所最小化の問題を軽減する。現状のRLと微分可能なシミュレーションベースアルゴリズムと比較して,サンプル効率と壁面時間を大幅に改善した。
論文参考訳（メタデータ） (2022-04-14T17:46:26Z)
Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
論文参考訳（メタデータ） (2021-07-27T16:39:45Z)
Hyperparameter Auto-tuning in Self-Supervised Robotic Learning [12.193817049957733]
不十分な学習(局所最適収束による)は、冗長な学習が時間と資源を浪費する一方で、低パフォーマンスの政策をもたらす。自己教師付き強化学習のためのエビデンス下界(ELBO)に基づく自動チューニング手法を提案する。本手法は,オンラインで自動チューニングが可能であり,計算資源のごく一部で最高の性能が得られる。
論文参考訳（メタデータ） (2020-10-16T08:58:24Z)

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。