論文の概要: LANTERN: A Closed-Loop Benchmark for VLM-Based Cooperative Driving with Temporally Grounded Warnings

• arxiv url: http://arxiv.org/abs/2609.06368v1
• Date: Sun, 06 Sep 2026 04:00:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 05:53:16.113458
• Title: LANTERN: A Closed-Loop Benchmark for VLM-Based Cooperative Driving with Temporally Grounded Warnings
• Title（参考訳）: LANTERN:時空間警告を用いたVLMによる協調運転のためのクローズドループベンチマーク
• Abstract要約: 本稿では,時間的接地型協調警告のためのクローズドループベンチマークであるLANTERNを提案する。 ベンチマークは6つの安全クリティカルなシナリオファミリにまたがり、トレーニング用に3,272のシーケンスと236,309のフレームを提供する。 共同統一スコア (Cooperative Unified Score, CUS) は、経路の進行、予測、クリアランス、回復を共同で報いる安全基準である。
• 参考スコア（独自算出の注目度）: 12.858465618812694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present LANTERN, a closed-loop benchmark for temporally grounded cooperative warnings. LANTERN separates warning onset, hazard onset, warning termination, and post-hazard recovery, and evaluates each physical event under matched warning and no-warning executions so that the warning's contribution is measured in isolation rather than confounded with onboard vision. The benchmark spans six safety-critical scenario families and provides 3,272 sequences with 236,309 frames for training, together with 120 matched route pairs for closed-loop evaluation. Each hazard route is evaluated under the warning and no-warning conditions, while its no-hazard control penalizes unconditional braking. We further introduce the Cooperative Unified Score (CUS), a safety-gated metric that jointly rewards route progress, anticipation, clearance, and recovery. Fine-tuning a representative VLM driving model raises CUS from 34.6 without warnings to 75.5 with them, demonstrating both the value of cooperative warnings and the discriminative power of the paired protocol. All resources will be made publicly available.
• Abstract（参考訳）: 本稿では,時間的接地型協調警告のためのクローズドループベンチマークであるLANTERNを提案する。 LANTERNは、警告のオンセット、ハザードオンセット、警告終了、およびポストハザードリカバリを分離し、一致した警告と未警告の実行の下で各物理イベントを評価し、警告の寄与をオンボードビジョンと混同するのではなく、分離して測定する。 このベンチマークは6つの安全クリティカルなシナリオファミリにまたがり、トレーニング用に236,309フレームの3,272シーケンスと、クローズドループ評価のための120の一致したルートペアを提供する。 危険経路は警告や警告なしの条件で評価され、危険のない制御は無条件のブレーキを罰する。 さらに、経路の進行、予測、クリアランス、回復を共同で報いる安全基準であるCooperative Unified Score(CUS)を導入する。 代表的VLM駆動モデルの微調整により、警告なしでCUSを34.6から75.5に引き上げ、協調的な警告の価値とペア化されたプロトコルの識別力の両方を示す。 すべてのリソースが公開されます。

関連論文リスト

• Observe Before You Alert: Adaptive Driver Alerting with Vision-Language Models [22.095487498535434]
  ダッシュカムビデオからのドライバー警告は、部分的な可観測性の下でのシーケンシャルな意思決定を必要とする。 既存の事故予測モデルはバイナリリスクスコアを出力し、あいまいなシーンをしきい値で処理する。 本稿では,SILENT,OBSERVE,ALERTに対して,警告生成をトリアクションポリシとする視覚言語警告フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T02:08:50Z)
• Humanoid Safe Stop via Learned Stoppability Value [61.25464390942355]
  本稿では,学習した停止ポリシーと学習した停止可能性推定器を組み合わせたタスク非依存のフレームワークを提案する。 推定器は、固定された停止ポリシーの実際の結果によって監督される停止確率推定器と、ハミルトン・ヤコビの物理的状態に対するバックアップによって監督される到達回避推定器である。
  論文  参考訳（メタデータ） (2026-09-02T09:29:39Z)
• Autonomous Cyber Defense in Connected Vehicles: A Multi-Agent Approach to V2X Security [0.0]
  接続された車両は約100ミリ秒で、着信する基本安全メッセージが本物か製造されているかを決定する。 本稿では,このタイミング制約を性能目標ではなく,ハードデザイン要件として扱う3層マルチエージェントアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-08-19T17:28:32Z)
• Harnessing Disagreement: Detecting Correlated Agreement Blindness in Multi-Agent Triage [3.164789424470588]
  分散トリガー付きエスカレーションは、マルチエージェント仲裁において構造的な盲点を生み出すことができる。 本稿では,誘導性ランダムフォレスト (RF) エージェントと類似のケースベースk-アネレスト (k-NN) エージェントを組み合わせた指向性星系ARATを提案する。
  論文  参考訳（メタデータ） (2026-07-22T08:35:00Z)
• When Are Sparse Feature Interventions Actually Localized? Matched Evaluation for SAE-Based Safety Control [0.0]
  我々は,スパースオートエンコーダ(SAE)機能が安全関連行動の局所制御ハンドルとして機能するかを評価する。 我々は,実行時安全対策のための一致したコヒーレンス付き評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-07-11T09:31:45Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• Causal Scene Narration with Runtime Safety Supervision for Vision-Language-Action Driving [6.095431709661074]
  本稿では,VLAテキスト入力を意図制約アライメントによって再構成するCausal Scene Narration (CSN)を紹介する。 CSNは、オリジナルのLMDriveで+31.1%、設定整列版で+24.5%改善した。
  論文  参考訳（メタデータ） (2026-04-02T07:43:05Z)
• DRAFT: Task Decoupled Latent Reasoning for Agent Safety [59.46137757545185]
  DRAFT(Task Decoupled Latent Reasoning for Agent Safety)を提案する。 エクストラクターは、完全な軌跡をコンパクトな連続的な潜伏ドラフトに蒸留し、リゾナーはドラフトと元の軌跡に共同で参加して安全性を予測する。 DRAFTの精度は63.27%(LoRA)から91.18%に向上した。
  論文  参考訳（メタデータ） (2026-02-11T07:45:14Z)
• Safety Margins for Reinforcement Learning [53.10194953873209]
  安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。 Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-07-25T16:49:54Z)
• Cognitive Accident Prediction in Driving Scenes: A Multimodality Benchmark [77.54411007883962]
  本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。 CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。 我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-12-19T11:43:02Z)
• Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
  早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。 安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。 本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-28T23:00:30Z)

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。