論文の概要: DriveZero: End-to-End Driving Beyond Human Demonstrations

• arxiv url: http://arxiv.org/abs/2609.06055v1
• Date: Sat, 05 Sep 2026 12:20:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 11:45:54.903232
• Title: DriveZero: End-to-End Driving Beyond Human Demonstrations
• Title（参考訳）: DriveZero:人間のデモを超えて運転するエンド・ツー・エンド
• Abstract要約: DriveZeroは、人間のデモを超えた運転行動を学ぶエンドツーエンドシステムだ。 知覚モデルとアクションモデルへの運転を分解し、それに最も適した体制の中でそれぞれを事前訓練し、それらを1つのエンドツーエンドプランナーに結合する。 動作面では、混合エージェントクローズドループ強化学習フレームワークであるDriveRLを紹介する。
• 参考スコア（独自算出の注目度）: 31.611995679727713
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Most end-to-end autonomous-driving systems learn by imitating human driving logs, leaving their learned behavior constrained by the quality and behavioral coverage of the recorded trajectories. This report presents DriveZero, an end-to-end system that learns driving behavior beyond human demonstrations. It decomposes driving into a perception model and an action model, pretrains each in the regime best suited to it, and combines them into one end-to-end planner. The two models call for different learning recipes: perception must understand the world, and benefits from massive and diverse visual data; action must interact with it, and requires closed-loop feedback. On the action side, we introduce DriveRL, a mixed-agent closed-loop reinforcement-learning framework. It converts real driving logs into interactive worlds, where a privileged teacher policy is trained with PPO through closed-loop rollouts. For the perception model, DriveVFM consolidates multiple frozen vision foundation models, including DINOv3, SigLIP2, SAM and Depth Anything V2, into a single backbone from raw images alone, requiring no task-specific annotations. DriveZero then unifies the two: a camera-only planner that distills the frozen DriveRL teacher through its rolled-out trajectories. The goal-conditioned teacher can moreover be queried under augmented driving intents, yielding diverse, goal-consistent supervision that logged data cannot provide. On nuPlan, DriveRL with value-guided test-time action search achieves a mean score of 93.57 across the Val14, Test14-hard, and Test14-random community splits in both non-reactive and reactive modes, exceeding the Log-Replay expert on all three splits. DriveZero achieves state-of-the-art performance on NAVSIMv1, NAVSIMv2 and the closed-loop HUGSIM benchmark without any human trajectory supervision.
• Abstract（参考訳）: ほとんどのエンドツーエンドの自動運転システムは、人間の運転ログを模倣して学習し、学習された振る舞いは記録された軌道の質と行動に制約される。 本報告では,人間以外の運転行動を学ぶエンド・ツー・エンドのシステムであるDriveZeroについて述べる。 知覚モデルとアクションモデルへの運転を分解し、それに最も適した体制の中でそれぞれを事前訓練し、それらを1つのエンドツーエンドプランナーに結合する。 2つのモデルは異なる学習レシピを要求する: 知覚は世界を理解しなくてはならない; 膨大な多様な視覚データから恩恵を受けなければならない; 行動はそれと相互作用する必要がある; クローズループフィードバックが必要である。 動作面では、混合エージェントクローズドループ強化学習フレームワークであるDriveRLを紹介する。 実際の運転ログをインタラクティブな世界に変換し、クローズドループのロールアウトを通じて特権を持つ教師ポリシーをPPOでトレーニングする。 認識モデルでは、DriveVFMはDINOv3、SigLIP2、SAM、Depth Anything V2を含む複数の凍結した視覚基盤モデルを生画像のみから単一のバックボーンに統合し、タスク固有のアノテーションを必要としない。 DriveZeroは、DriveRLの教師を冷やすためのカメラのみのプランナーだ。 さらに、目標条件の教師は、強化された運転意図の下で問い合わせることができ、ログしたデータが提供できない、多種多様な目標一貫性の監督が得られる。 nuPlanでは、値誘導テストタイムアクションサーチを持つDriveRLは、Val14、Test14-hard、Test14-randomコミュニティを非反応性モードとリアクティブモードの両方に分割して平均スコア93.57を達成する。 DriveZeroは、NAVSIMv1、NAVSIMv2およびクローズループHUGSIMベンチマーク上で、人間の軌道監視なしで最先端のパフォーマンスを達成する。

関連論文リスト

• CausalDrive: Real-time Causal World Models for Autonomous Driving [60.66609721457312]
  制御可能でリアルタイムなファンデーション駆動の世界であるCausalDriveを紹介します。 CaulDriveは、最初のフロントビューフレーム、エゴ車両の軌道、マクロテキストプロンプトのみで動作する。 本稿では,(1)衝突アーティファクトを著しく緩和した生成的クローズループ評価,(2)ビデオ2Rewardモジュールによる大規模強化学習(RL)後トレーニング,(3)リアルタイムの人間-イン-ザ・ループシミュレーション,の3つのダウンストリームアプリケーションにおける汎用性を実証する。
  論文  参考訳（メタデータ） (2026-06-13T15:04:44Z)
• MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
  視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。 本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。 MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
  論文  参考訳（メタデータ） (2026-05-13T23:35:14Z)
• MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning [51.20229133553804]
  自律運転における現在のビジョン・ランゲージ・アクション(VLA)パラダイムは主に模倣学習(IL)に依存している オンライン強化学習は、トライアル・アンド・エラー学習を通じてこれらの問題に対処するための有望な経路を提供する。 大規模言語モデル(LLM)と2つの異なるLoRAパラメータからなるVLAフレームワークであるMindDriveを提案する。 軌道レベルの報酬を推論空間に戻すことで、MindDriveは、限定的な言語駆動決定の有限セットに対する試行錯誤学習を可能にする。
  論文  参考訳（メタデータ） (2025-12-15T18:31:32Z)
• VLM-AD: End-to-End Autonomous Driving through Vision-Language Model Supervision [17.36342349850825]
  教師としての視覚言語モデル(VLM)は、追加の監督を提供することで訓練を強化する。 VLM-ADは、nuScenesデータセットの計画精度と衝突率の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-12-19T01:53:36Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• Fully End-to-end Autonomous Driving with Semantic Depth Cloud Mapping and Multi-Agent [2.512827436728378]
  本稿では,エンド・ツー・エンドとマルチタスクの学習方法を用いて学習した新しいディープラーニングモデルを提案する。 このモデルは,CARLAシミュレータ上で,現実の環境を模倣するために,通常の状況と異なる天候のシナリオを用いて評価する。
  論文  参考訳（メタデータ） (2022-04-12T03:57:01Z)
• Learning to drive from a world on rails [78.28647825246472]
  モデルベースアプローチによって,事前記録された運転ログからインタラクティブな視覚ベースの運転方針を学習する。 世界の前方モデルは、あらゆる潜在的な運転経路の結果を予測する運転政策を監督する。 提案手法は,carla リーダボードにまずランク付けし,40 倍少ないデータを用いて25%高い運転スコアを得た。
  論文  参考訳（メタデータ） (2021-05-03T05:55:30Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)

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。