Fugu-MT 論文翻訳(概要): Closed-Loop Evaluation of Bird's-Eye-View Maps from Cross-View Transformers as Inputs to Behavior-Cloning Policies

論文の概要: Closed-Loop Evaluation of Bird's-Eye-View Maps from Cross-View Transformers as Inputs to Behavior-Cloning Policies

arxiv url: http://arxiv.org/abs/2609.05783v1
Date: Sat, 05 Sep 2026 00:35:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.136079
Title: Closed-Loop Evaluation of Bird's-Eye-View Maps from Cross-View Transformers as Inputs to Behavior-Cloning Policies
Title（参考訳）: クロスビュー変換器を用いた鳥の視点図の閉ループ評価
Abstract要約: シミュレーションにおける行動クローン (BC) エージェントの直接ポリシー入力として, CVT (Cross-View Transformer) 予測バードアイビュー (BEV) マップを用いることを検討した。路面,計画経路,車線境界,車両,歩行者,交通信号などをカバーする6チャンネルのBEV表現を提案し,未表現運転操作に対するセグメンテーション損失を再均衡させるカーネル密度推定(KDE)重み付け手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: In autonomous driving, Bird's-Eye View (BEV) representations provide a structured, top-down abstraction of the vehicle's surroundings and have become a key input modality for Behavioral Cloning (BC) policies. While ground-truth BEV maps are readily available in simulation, real-world deployment requires replacing them with camera-predicted counterparts - a substitution that introduces perceptual errors whose downstream impact on closed-loop driving performance is not well understood. In this work, we investigate the use of Cross-View Transformer (CVT)-predicted BEV maps as direct policy inputs for a BC agent in the CARLA simulator. We propose a six-channel BEV representation covering road surface, planned route, lane boundaries, vehicles, pedestrians, and traffic lights, and introduce a Kernel Density Estimation (KDE) weighting scheme that rebalances the segmentation loss towards underrepresented driving maneuvers such as curves and intersections. Closed-loop evaluation across two CARLA towns shows that the KDE-weighted model is the only predicted-BEV agent to complete a full episode without infractions, despite not achieving the highest aggregate IoU. This discrepancy reveals that global segmentation metrics are poor proxies for driving performance: what determines navigation success is prediction quality at geometrically critical locations, and the route channel emerges as the primary bottleneck for reliable agent navigation under predicted BEV inputs.
Abstract（参考訳）: 自律運転では、バードズ・アイビュー(Bird's-Eye View、BEV)の表現は、車両の周囲の構造化されたトップダウンの抽象化を提供し、行動クローン(BC)ポリシーの重要な入力モダリティとなっている。地道なBEVマップはシミュレーションで簡単に利用できますが、現実のデプロイメントでは、カメラが予測するものに置き換えられる必要があります。本研究では,CARLAシミュレータにおけるBCエージェントの直接ポリシー入力として,CVT(Cross-View Transformer)予測BEVマップの利用について検討する。路面,計画経路,車線境界,車両,歩行者,交通信号などをカバーする6チャンネルのBEV表現を提案し,曲線や交差点などの未表現運転操作に対してセグメント化損失を再均衡させるカーネル密度推定(KDE)重み付け手法を提案する。 2つのCARLA町間での閉ループ評価の結果,KDE重み付けモデルが最も高い総合IoUを達成できなかったにもかかわらず,全エピソードを違反なく完了させる唯一の予測BEVエージェントであることが示唆された。ナビゲーションの成功を決定するものは、幾何学的に重要な場所での予測品質であり、経路チャネルは、予測されたBEV入力の下で信頼性のあるエージェントナビゲーションの主要なボトルネックとして現れる。

関連論文リスト

MC-DeTra: Motion-Consistent Joint Object Detection and Socially-Aware Trajectory Forecasting in Bird's-Eye-View Images [0.2864713389096699]
我々は、補助信号による監視を付加する動き一貫性機構のファミリーであるMC-DeTraをリリースする。 MC-DeTraは、動的で社会的に割り振られた軌道予測を改善し、検出精度を向上する。私たちはhttps://github.com/diuzhevVlad/MC-DeTra.comでコード、設定、評価ツールをリリースします。
論文参考訳（メタデータ） (2026-09-10T15:34:09Z)
VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。 CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文参考訳（メタデータ） (2026-09-02T11:32:52Z)
Variational Inference for Bird's Eye View Segmentation in Autonomous Driving [10.10734151875358]
Bird's Eye View (BEV) は、自律運転における環境認識の重要なアプローチとして登場した。本稿では,BEVセグメンテーションのための変圧器を用いた変動流変換ネットワークを提案する。複数のカメラビューからトレーニング中の統一された標準BEVマップへのマッピングを暗黙的に学習する。
論文参考訳（メタデータ） (2026-07-16T08:20:37Z)
Learning Direct Control Policies with Flow Matching for Autonomous Driving [32.505127447635864]
自律走行のためのフローマッチングプランナーは、加速度と曲率によって定義された実行可能な軌道を生成する。モデルは、周囲のシーンの鳥の目視(BEV)制御プロファイルに条件付けされる。反応エージェントを用いた2次元交通シミュレータから収集した都市シナリオのみをトレーニングする。
論文参考訳（メタデータ） (2026-05-14T13:37:48Z)
TrajDiff: End-to-end Autonomous Driving without Perception Annotation [65.49718343700319]
エンドツーエンドの自動運転システムは、生センサ入力から直接駆動ポリシーを生成する。 TrajDiffはTrajectory-oriented BEV Conditioned Diffusionフレームワークであり、エンドツーエンドの自動運転のための知覚アノテーションのない生成方法を確立する。 NAVSIMベンチマークで評価すると、TrajDiffは87.5 PDMSを達成した。
論文参考訳（メタデータ） (2025-11-30T04:34:20Z)
End-to-End Driving with Online Trajectory Evaluation via BEV World Model [52.10633338584164]
本稿では,BEV Worldモデルを活用し,将来のBEV状態を予測するためのエンドツーエンド駆動フレームワークWoTEを提案する。我々は,NAVSIMベンチマークとCARLAシミュレータに基づく閉ループBench2Driveベンチマークを用いて,最先端性能を実現する。
論文参考訳（メタデータ） (2025-04-02T17:47:23Z)
RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。 Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
論文参考訳（メタデータ） (2024-04-09T20:24:29Z)
U-BEV: Height-aware Bird's-Eye-View Segmentation and Neural Map-based Relocalization [81.76044207714637]
GPS受信が不十分な場合やセンサベースのローカライゼーションが失敗する場合、インテリジェントな車両には再ローカライゼーションが不可欠である。 Bird's-Eye-View (BEV)セグメンテーションの最近の進歩は、局所的な景観の正確な推定を可能にする。本稿では,U-NetにインスパイアされたアーキテクチャであるU-BEVについて述べる。
論文参考訳（メタデータ） (2023-10-20T18:57:38Z)
Social Occlusion Inference with Vectorized Representation for Autonomous Driving [0.0]
本稿では,エージェント・トラジェクトリとシーン・コンテキストから,エゴカーの視点を表す占有グリッド・マップ (OGM) へのマッピングを学習する,新しいソーシャル・オクルージョン・推論手法を提案する。ベクトル化表現の性能を検証するため,完全トランスフォーマーエンコーダデコーダアーキテクチャに基づくベースラインを設計する。我々は,現状の成果よりも優れるInterActionデータセットにおいて,符号なしの交差点に対するアプローチを評価する。
論文参考訳（メタデータ） (2023-03-18T10:44:39Z)
Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文参考訳（メタデータ） (2022-11-15T13:52:41Z)

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。