論文の概要: From Learned-Mode AV-Traffic Pairing to Planner Decisions: A Marginal-Preserving Study on Argoverse 2
- arxiv url: http://arxiv.org/abs/2609.14997v1
- Date: Mon, 14 Sep 2026 04:05:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.064572
- Title: From Learned-Mode AV-Traffic Pairing to Planner Decisions: A Marginal-Preserving Study on Argoverse 2
- Title（参考訳）: 学習モード AV-Traffic Pairing からプランナー決定へ:アルゴヴァースにおけるMarginal-Preserving Study (第2報)
- Abstract要約: 共同動作予測は、各自律走行車の未来と周囲の交通量とを一致させるが、アクターレベルの指標は、その構造がプランナーにとって重要であるかどうかを示すものではない。
本研究では, 学習モード間のAVトラヒックペアリングを除去する限界保存製品制御を用いて, この問題を考察する。
12回にわたって1,400件のArgoverse 2シナリオを実行し、介入によってルートレベルのオフライン選択の3.0%が変更される。
- 参考スコア（独自算出の注目度）: 14.539728582620013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Joint motion forecasts pair each autonomous-vehicle (AV) future with surrounding traffic, but actor-level metrics do not show whether that structure matters to a planner. We study this question with a marginal-preserving product control that removes AV-traffic pairing among the learned modes while retaining the fixed constant-velocity pair and holding trajectories, actor-level marginals before planner conditioning, candidates, the cost terms and weights, and fallback fixed. The intervention also changes candidate-conditioned concentration. Across twelve runs on 1,400 held-out Argoverse 2 scenarios, the intervention changes 3.0% of route-level offline selections at $τ=4$ m. Control-minus-joint recorded-trajectory regret is $-0.026$ and $-0.118$ at the two training sizes; crossed and seed-$t$ intervals span zero. At $τ=1$ m, relative costs change in 87.9% of route evaluations and route-level offline selections in 8.1%. Before concentration matching, descriptive outcome estimates favor the control. Most of this gap disappears along an approximate concentration-matching path; the remaining contrasts are $+0.112$ and $-0.047$, and both crossed intervals span zero. Actor-level forecast metrics remain identical. Pairing-strength and temperature sweeps show that the decision contrast grows with pairing removal and sharper conditioning. The intervention changes planner decisions even though actor-level metrics remain unchanged. The matching analysis, however, cannot separate any recorded-outcome effect of learned-mode AV-traffic pairing from the accompanying change in conditioned concentration.
- Abstract（参考訳）: 共同動作予測では、それぞれの自律走行車(AV)未来を周囲の交通量と組み合わせるが、アクターレベルのメトリクスは、その構造がプランナーにとって重要かどうかを示すものではない。
本研究では,一定速度のペアを固定し,トラジェクトリを保持するとともに,プランナー条件前,候補,コスト条件および重み付け,フォールバックを固定しつつ,学習モード間のAVトラヒックペアを除去する限界保存製品制御を用いて,この問題を考察する。
この介入は、候補条件の濃度も変化させる。
12回にわたって1400のArgoverse 2シナリオで実行され、介入はルートレベルのオフライン選択の3.0%を$τ=4$ mで変更する。
Control-minus-joint Record-trajectory regret is $-0.026$ and $-0.118$ at the two training size; cross and seed-t$ intervals span zero。
τ=1$mで、ルート評価の87.9%とルートレベルのオフライン選択の8.1%の相対コストが変化する。
濃度マッチングの前には、記述的な結果の見積もりが制御に有利である。
残りのコントラストは$+0.112$と$-0.047$であり、両者の交差間隔は0である。
アクターレベルの予測基準は依然として同一である。
ペアリング強度と温度スイープは、ペアリング除去とよりシャープな条件付けにより、決定コントラストが増大することを示している。
介入は、アクターレベルの指標が変わらず、プランナーの決定を変える。
しかし, 一致解析は, 学習モードAV-トラヒックペアリングによる記録出力効果と条件付き濃度の変化とを区別することはできない。
関連論文リスト
- Delayed Optimizer-State Transport Shapes Short-Horizon Training Decisions [0.0]
遅延輸送が短期的決定を変えるのに十分な大きさであるかどうかを検討する。
提案手法では,全モデル最適化状態から8ステップのAdamWを区別する。
論文 参考訳（メタデータ） (2026-08-25T14:18:29Z) - Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency [38.88857369304745]
クリーンな歴史と、前方へ転がった後の視界のゆがみを計測する診断手法を導入する。
この分散は、多段階予測誤差とプランナーコストの摂動によって引き起こされる変化を束縛することを証明する。
4つの視覚制御タスクの実験は、ペアワイズACPCが摂動による予測とコスト変化を予測することを示している。
論文 参考訳（メタデータ） (2026-08-13T08:18:41Z) - AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games [36.78901435452895]
アクションインフォームド・バリューアセスメント・ツール(AIVAT)は条件付き平均ゼロ補正によって不完全情報ゲームの分散を低減する。
AIVATと継続的に監視される信頼性シーケンス(CS)を、任意の有意なAIVATに組み合わせる。
論文 参考訳（メタデータ） (2026-08-06T17:57:11Z) - Uncertainty-guided active learning for surrogate prediction of stream-finishing wear fields [37.82552353322716]
我々は、幾何学から直接、侵食を規定する3つの分野を予測する不確実性誘導型サロゲートフレームワークを提案する。
このサロゲートは、不一致が不確実性を推定する深いアンサンブルを使用し、最も不確実な方向に対してDEMシミュレーションを実行するアクティブラーニング戦略を可能にする。
論文 参考訳（メタデータ） (2026-08-01T11:12:39Z) - TRACT: Temporally Routed Action Chunks with Chronological Phase Authority for Contact-Rich Manipulation [33.980402689056895]
アクションチャンキングは、ロボット模倣学習の効果的な意思決定の地平を短くする。
本稿では, 位相構造を有する動作チャンキングを, 将来の地平線内での1つのCURRENT変種境界に分解するTRACTを提案する。
論文 参考訳（メタデータ） (2026-07-31T10:59:14Z) - Covariance Last-Layer Ensembles: Function-Space Diversity for Efficient Uncertainty Quantification [0.8803840644459077]
Cov-LLEは、ウェイト・オルソノーマル性が不可能な関数空間の多様性を復元し、マッチした$K$は深いアンサンブルの多様性と校正の多くを回復する。
OCを最終層アンサンブルと見なすと、検出器を2軸の分類に整理する。
論文 参考訳（メタデータ） (2026-07-26T21:56:02Z) - Measuring Evaluation-Context Divergence in Open-Weight LLMs: A Paired-Prompt Protocol with Pilot Evidence of Alignment-Pipeline-Specific Heterogeneity [1.253312107729806]
安全ベンチマークは、言語モデルが一度デプロイされたらどのように振る舞うかを示す証拠として、定期的に扱われるが、この推論は、振る舞いがプロンプトが評価のように見えるかどうかに依存する場合、脆弱である。
我々は、評価コンテキストのばらつきを、一定のタスクのフレーミングによって引き起こされる行動の観測可能な内部的変化として定義する。
パラフレーズ変動,ベンチマーク親しみ,およびフレーミング感度を制御しながら,オープンウェイトLLMで測定するペアプロンプトプロトコルを提案する。
論文 参考訳（メタデータ） (2026-05-07T14:23:31Z) - When Does Margin Clamping Affect Training Variance? Dataset-Dependent Effects in Contrastive Forward-Forward Learning [0.0]
コントラストフォワード(Contrastive Forward-Forward, CFF)学習は、教師付きコントラスト目標に対して、ビジョントランスフォーマーを層別に層状化する。
比較損失における正対辺のマージンは、類似度クランプの飽和により適用される。
対数確率の後にマージンを減じる別の定式化が、平均-上-正の還元の下で勾配ニュートラルであることを証明する。
論文 参考訳（メタデータ） (2026-03-01T07:00:38Z) - See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection [51.59559387222532]
エンドツーエンド自動運転の最近の進歩は、パッチアライメント機能で訓練されたポリシーが、アウト・オブ・ディストリビューション(OOD)よりも一般化していることを示している。
我々は、より堅牢で、一般化可能で、効率的な学習ポリシーのためのシンプルで効果的なアプローチである2.4-Patch-Selection(SPS)を提案する。
論文 参考訳（メタデータ） (2026-01-15T18:58:33Z) - Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。
我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。
我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
論文 参考訳（メタデータ） (2024-03-29T18:11:49Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳（メタデータ） (2023-12-25T01:00:58Z) - Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。
報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。
次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文 参考訳（メタデータ） (2022-12-12T21:37:36Z)
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。