論文の概要: RedLight-VLA: Models for traffic-rule grounding and behavioral emphasis in driving policies
- arxiv url: http://arxiv.org/abs/2608.28656v1
- Date: Fri, 21 Aug 2026 00:55:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-06 19:38:41.470009
- Title: RedLight-VLA: Models for traffic-rule grounding and behavioral emphasis in driving policies
- Title（参考訳）: RedLight-VLA: 交通ルールのグラウンディングと運転方針の行動強調モデル
- Abstract要約: 行動閉鎖型ビジョン・ランゲージ・アクション・ドライビング・ポリシーは信号交差点での希少なルール支配の操作に苦慮する。
我々は、専門家の未来と自動生成された知覚目標を利用する訓練目標であるRedLight-VLAを提案する。
制御された変種は同じバックボーン、トレーニングデータ、デコーダ、評価集団を共有している。
- 参考スコア（独自算出の注目度）: 1.6960711143212859
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Behavior-cloned Vision-Language-Action (VLA) driving policies struggle with rare rule-governed maneuvers at signalized intersections. Braking and launching examples contribute little to averaged trajectory loss, while fused representations lack explicit supervision for the governing traffic-light and stop-line state. We present RedLight-VLA, a training objective that uses expert futures and automatically generated perception targets without additional manual rule annotation. First, trajectory-derived behavioral reweighting (BR) emphasizes rare deceleration and acceleration using rotation-invariant longitudinal dynamics and a scale-preserving reduction that exactly recovers the baseline when disabled. Second, parallel auxiliary (AUX) heads ground traffic-light and stop-line state in continuous post-fusion rule tokens, without autoregressive language generation or changes to the trajectory decoder. We evaluate on a curated set of 20 s sequences with a 5 s prediction horizon. Controlled variants share the same backbone, training data, decoder, and evaluation population. Against an otherwise identical VLA baseline, RedLight-VLA reduces red-light stop-line overshoot from 7.3% to6.8%, reduces stop-line velocity error by 12.7%, and improves 3 s trafficlight-sliced ADE/FDE from 0.274/0.964 m to 0.247/0.897 m. Green-light false stops increase from 3.2% to 3.9%; however, combining BR with AUX supervision mitigates the larger increase observed for AUX alone (4.0%). The combined model also improves non-traffic-light ADE/FDE from 0.268/0.956 m to 0.241/0.876 m and outperforms either mechanism alone on all four sliced displacement measures.
- Abstract（参考訳）: ビヘイビアクローズド・ビジョン・ランゲージ・アクション(VLA)の運転ポリシーは、信号の交点における希少なルールが支配される操作に苦しむ。
ブレーキと起動例は、平均的な軌道損失にはほとんど寄与しないが、融合表現は、信号と停止状態を管理するための明確な監督を欠いている。
我々は、専門家の未来と、追加のマニュアルルールアノテーションを使わずに自動的に認識ターゲットを生成する訓練目的であるRedLight-VLAを提案する。
第一に、トラジェクトリ由来の行動重み付け(BR)は回転不変長手力学を用いて希少な減速と加速度を強調し、障害時にベースラインを正確に回復するスケール保存の縮小を強調する。
第2に、並列補助(AUX)は、自動回帰言語生成やトラジェクトリデコーダの変更なしに、連続的な拡散後ルールトークンにおいて、トラフィックライトと停止ラインの状態を示す。
我々は5秒の予測地平線を持つ20のs列のキュレートされた集合について評価した。
制御された変種は同じバックボーン、トレーニングデータ、デコーダ、評価人口を共有している。
その他の同じVLAベースラインに対して、RedLight-VLAは赤信号の停止線オーバーシュートを7.3%から6.8%に減らし、停止線速度の誤差を12.7%減らし、トラフィックライトスライスされたADE/FDEを0.274/0.964mから0.247/0.897mに改善した。
グリーンライトの偽装は3.2%から3.9%に増加するが、BRとAUXの監督を併用すると、AUX単独で観測される大きな増加(4.0%)が軽減される。
複合モデルはまた、非トラヒック光ADE/FDEを0.268/0.956mから0.241/0.876mに改善し、4つのスライスされた変位対策のすべてにおいて、どちらの機構よりも優れた性能を発揮する。
関連論文リスト
- ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。
オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。
テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
論文 参考訳（メタデータ） (2026-08-21T04:40:41Z) - NOVA: Symbolic Regression Discovery of Interpretable Car-Following and Lane-Change Models with Driver Heterogeneity [1.889930012459364]
NOVAは自動車追尾および車線変更構造のための自律的な象徴的回帰フレームワークである。
NGSIM I-80とUS-101データセットからの4,765,788のアクティブな運転観察に適用される。
NOVAは502人のドライバーに対して厳格な車両IDホールドアウトの下で67.4%のバランスの取れた精度を達成した。
論文 参考訳（メタデータ） (2026-06-09T08:47:39Z) - Fast-dDrive: Efficient Block-Diffusion VLM for Autonomous Driving [54.31800246594724]
本稿では,ブロック拡散型VLAであるFast-dDriveについて述べる。
我々は、Fast-dDriveが運転エージェントの速度精度フロンティアを再定義することを示す。
論文 参考訳（メタデータ） (2026-05-22T02:31:32Z) - 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) - ProGAL-VLA: Grounded Alignment through Prospective Reasoning in Vision-Language-Action Models [3.546105930931843]
視覚言語アクション(VLA)モデルは汎用的なロボットエージェントを可能にするが、しばしば言語無知を示す。
本稿では3次元実体中心グラフを構成するプロジェクティブグラウンドとアライメントVLA(ProGAL-VLA)について述べる。
すべてのアクションは、その注意エントロピーが固有のあいまいさ信号を提供する、$g_t$を埋め込んだ検証済みのゴールで条件付けされる。
論文 参考訳（メタデータ） (2026-04-10T18:56:48Z) - On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral [59.14787085809595]
この障害を引き起こす中核的なメカニズムとしてLazy Likelihood Displacement(LLD)を同定する。
LDDは早期に出現し、自己強化性LDDデススパイラル(LDD Death Spiral)を引き起こす。
本稿では,GRPO のための軽量な確率保存正則化 LLDS を提案する。
論文 参考訳（メタデータ） (2025-12-03T19:41:15Z) - 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) - Token-Level Inference-Time Alignment for Vision-Language Models [58.41370989069588]
VLM(Vision-Language Models)は、現代のマルチモーダルインテリジェンスの重要なバックボーンとなっている。
本稿では,基本VLMを凍結し,その分布を近似する報酬モデルをトレーニングする軽量フレームワークTITAを提案する。
推測中、暗黙の選好信号は報酬モデルと目標VLMの対数確率比として抽出され、密集した自己回帰フィードバックが得られる。
論文 参考訳（メタデータ） (2025-10-20T09:58:03Z) - Adversarial Preference Learning for Robust LLM Alignment [24.217309343426297]
逆選択学習(英: Adversarial Preference Learning, APL)は、3つの重要な革新を取り入れた反復的逆選択学習法である。
第一に、モデル固有の嗜好確率に基づく直接的な有害度指標。
第二に、入力固有の逆数変化を合成する条件生成攻撃者。
論文 参考訳（メタデータ） (2025-05-30T09:02:07Z)
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。