論文の概要: Risk-Aware World Modeling with Flow-Guided Occupancy Evolution for Selective Trajectory Planning in Automated Driving
- arxiv url: http://arxiv.org/abs/2609.18442v1
- Date: Wed, 16 Sep 2026 10:32:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.757294
- Title: Risk-Aware World Modeling with Flow-Guided Occupancy Evolution for Selective Trajectory Planning in Automated Driving
- Title（参考訳）: 自動走行における選択軌道計画のためのフローガイド機能進化を用いたリスク認識型世界モデリング
- Abstract要約: RiskWorldは、共有占有率予測と選択軌道置換のためのリスク対応の世界モデリングフレームワークである。
1つの予測は計画ステップ毎に生成され、候補間で再利用される。
設定内アブレーションは、リスクワールドが現在のリスコリングベースラインよりも低い衝突率を達成することを示している。
- 参考スコア（独自算出の注目度）: 8.131595330708242
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safe motion planning in automated driving requires anticipating evolving traffic risks and deciding when to revise the current planned trajectory. We introduce RiskWorld, a risk-aware world modeling framework for shared occupancy forecasting and selective trajectory replacement. Spatial risk fields and temporal actor context are fused with visual bird's-eye-view features. Flow-guided evolution transports occupancy and scene features, while signed residuals correct occupancy after transport. One forecast is generated per planning step and reused across candidates. Each candidate is compared with a current-state persistence reference, yielding a nonnegative collision-score correction. The trajectory selected by current-world evaluation serves as the planning anchor and is replaced only when additional predicted risk triggers intervention and an alternative satisfies component-wise constraints on predicted risk and trajectory error. Candidate geometries remain unchanged. We evaluate RiskWorld for open-loop planning on nuScenes using camera features, annotation-derived current and historical actor states, and dataset-provided map context. RiskWorld achieves the lowest collision rate at a long evaluation horizon of 3 s, and the second-best average L2 error among various state-of-the-art baselines, while running at 11.5 FPS on a single NVIDIA RTX 4090 with 90.81 M parameters. Within-setting ablations show that RiskWorld achieves lower collision rates than the current-state rescoring baseline, while forecast reuse enables additional candidates to be evaluated at low marginal computational cost.
- Abstract（参考訳）: 自動運転における安全な運動計画には、進化する交通リスクを予測し、現在計画されている軌道をいつ修正するかを決定する必要がある。
リスクを意識した世界モデリングフレームワークであるリスクワールドを紹介した。
空間的リスクフィールドと時間的アクターコンテキストは視覚的な鳥の目視的特徴と融合する。
フロー誘導進化は、占有とシーンの特徴を輸送し、署名された残余は輸送後の占有を補正する。
1つの予測は計画ステップ毎に生成され、候補間で再利用される。
各候補は現在の持続基準と比較され、非負の衝突スコア補正が得られる。
現在の評価によって選択された軌道は、計画アンカーとして機能し、追加の予測リスクトリガーが介入を誘発し、代替手段が予測リスクと軌道誤差に対するコンポーネントワイド制約を満たす場合にのみ置き換えられる。
候補地は変わらぬままである。
我々は,nuScenesのオープンループ計画のためのリスクワールドを,カメラ機能,アノテーションに基づく現在および過去のアクター状態,データセットによるマップコンテキストを用いて評価した。
RiskWorldは3秒の長期評価地平線で最低衝突率を達成し、90.81Mパラメータを持つ単一のNVIDIA RTX 4090上で11.5 FPSで実行しながら、様々な最先端のベースラインの中で平均L2エラーの2番目に高い誤差を達成している。
In-setting ablations showed that RiskWorld achieves lower collision rate than the current-state rescoring baseline。
関連論文リスト
- RiskWorld: Object-Centric Latent World Modeling for Autonomous Driving Risk Identification [30.32162964871242]
RiskWorldはオブジェクト中心の潜在世界モデルであり、エゴ車に対する各候補の想像上の進化からリスクを特定する。
ロールアウトをオブジェクトレベルのリスクスコアにデコードし、将来の予測と時間リスク予測を補助的にサポートする。
リスクベンチでは、リスクワールドが63.0%、フェイルアラームレートが2.1%である。
論文 参考訳（メタデータ） (2026-08-12T02:52:04Z) - Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。
擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。
本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
論文 参考訳（メタデータ） (2026-07-08T18:23:48Z) - From Cues to Horizons: Dynamic Risk Horizon Profiling for Trajectory Prediction [2.014349431451644]
本稿では,リスクを考慮した軌道予測のための連続学習可能なポテンシャル場モデルを組み込んだリスク地平面プロファイリング(RHP)モジュールを提案する。
モジュールは周囲の物体の空間的時間的近接を計算し、将来の地平線を横切るリスク分布をプロファイルする。
基準法と比較して,本フレームワークは高Dデータセット上での5s RMSEの25.0%削減,SHRP2上での5s minFDEの29.1%削減を実現している。
論文 参考訳（メタデータ） (2026-05-30T19:17:24Z) - Learning A Unified Risk Map for Autonomous Driving in Partially Observable Environments [15.293238760957722]
本研究では,部分的に観測可能な環境のための統合マップモデリングと学習フレームワークを提案する。
提案するフレームワークは,部分的に監視可能な環境下でのリスク対応計画に対して,包括的で実用的なソリューションを提供する。
論文 参考訳（メタデータ） (2026-05-21T08:56:38Z) - Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。
既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。
エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-07T13:38:18Z) - Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。
既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。
我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
論文 参考訳（メタデータ） (2025-10-10T18:42:32Z) - STRAP: Spatial-Temporal Risk-Attentive Vehicle Trajectory Prediction for Autonomous Driving [0.968535561940627]
本稿では,リスクポテンシャル場を組み込んだ新しい空間的・時間的リスク回避軌道予測フレームワークを提案する。
提案するフレームワークは、解釈可能でリスク対応の予測を提供し、自律運転システムに対するより堅牢な意思決定に寄与する。
論文 参考訳（メタデータ） (2025-07-11T13:05:35Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic
Prior [135.78858513845233]
STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。
シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。
その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
論文 参考訳（メタデータ） (2021-12-09T18:03:27Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - RiskOracle: A Minute-level Citywide Traffic Accident Forecasting
Framework [12.279252772816216]
交通事故のリアルタイム予測は、公共の安全と都市管理にとってますます重要になっている。
事故予測に関するこれまでの研究はしばしば時間レベルで行われ、既存のニューラルネットワークと静的な地域関係を考慮に入れている。
本稿では,予測の粒度を細部まで改善する新しいフレームワークであるR RiskOracleを提案する。
論文 参考訳（メタデータ） (2020-02-19T07:18:46Z)
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。