論文の概要: Stabilizing Trajectory Outputs in End-to-End Autonomous Driving via SC-IMM Based Teacher Signals

• arxiv url: http://arxiv.org/abs/2609.21404v1
• Date: Fri, 18 Sep 2026 07:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.892988
• Title: Stabilizing Trajectory Outputs in End-to-End Autonomous Driving via SC-IMM Based Teacher Signals
• Title（参考訳）: SC-IMMに基づく教師信号を用いたエンドツーエンド自動運転における軌道出力の安定化
• Abstract要約: Scene-Conditioned Interacting Multiple Model (SC-IMM) に基づく軌道出力安定化のためのオフライン教師信号生成と学習手法を提案する。 提案手法は,専門家の軌跡をパス速度状態に変換し,シーンキューに条件付きIMM更新を行い,パス速度の教師ラベルとモード後部確率を生成する。 CARLA Town12における100短経路のクローズループ評価において,提案手法はベースラインと比較して運転スコアを28.0%改善し,コリジョン/kmを62.3%削減した。
• 参考スコア（独自算出の注目度）: 2.9220076568786335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-End autonomous driving models commonly predict future waypoints from sensor inputs and convert them into vehicle control commands through a downstream controller. However, conventional waypoint-based imitation learning mainly minimizes coordinate-level errors, making it difficult to capture scene-dependent path-speed changes and temporal instability across waypoint outputs. In this paper, we propose an offline teacher-signal generation and learning method for trajectory-output stabilization based on a Scene-Conditioned Interacting Multiple Model (SC-IMM) to mitigate this issue. The proposed method converts expert trajectories into path-speed states and performs IMM updates conditioned on scene cues to generate path-speed teacher labels and mode posterior probabilities. The generated signals are added to the original trajectory loss as auxiliary supervision during training, while the inference structure and waypoint controller remain unchanged. In closed-loop evaluation on 100 short routes in CARLA Town12, the proposed method improved the driving score by 28.0% and reduced Collision/km by 62.3% compared with the baseline, while also improving jerk and trajectory-variation metrics. These results demonstrate that offline teacher signals embedding scene-conditioned motion-model cues can guide trajectory-output driving models toward more stable closed-loop behavior.
• Abstract（参考訳）: エンド・ツー・エンドの自動運転モデルは通常、センサー入力から将来のウェイポイントを予測し、下流コントローラを介して車両制御コマンドに変換する。 しかし,従来の経路ポイントを用いた模倣学習は座標レベルの誤差を少なくし,シーン依存の経路速度変化や経路ポイント出力間の時間的不安定性を捉えるのが困難である。 本稿では,Scene-Conditioned Interacting Multiple Model (SC-IMM) に基づくトラジェクティブ・アウトプット安定化のためのオフライン教師信号生成学習手法を提案する。 提案手法は,専門家の軌跡をパス速度状態に変換し,シーンキューに条件付きIMM更新を行い,パス速度の教師ラベルとモード後部確率を生成する。 生成された信号は、トレーニング中に補助的な監督として元の軌道損失に追加され、推論構造とウェイポイントコントローラは変わらない。 CARLA Town12における100短経路のクローズループ評価において、提案手法はベースラインと比較して運転スコアを28.0%改善し、コリジョン/kmを62.3%削減し、また、ジャークおよび軌道偏差測定値も改善した。 これらの結果から,シーン条件付モーションモデルキューを組み込んだオフライン教師信号は,より安定した閉ループ動作へ軌道出力駆動モデルを誘導できることが示唆された。

関連論文リスト

• An Adaptive Fixed-Time Line-of-Sight Guidance Scheme for 3D Path Following of Underwater Vehicles: Theory and Experiment [2.202253618096515]
  本稿では,AUVの3次元経路追跡のための頑健な固定時間適応誘導フレームワークを提案する。 また、カーブした経路におけるトラッキング性能を改善するために、時間変化のルックアヘッド機構も導入されている。
  論文  参考訳（メタデータ） (2026-09-13T19:42:16Z)
• Latent-Centroid Steering: Single-Pass Classifier-Free Guidance for Command-Aligned Autonomous Driving [37.533498955258544]
  本稿では,インスタンスレベルの残差をクラスレベルの遅延シフトに置き換える単一パス誘導機構を提案する。 我々はLCSがより強力なコマンドアテンデンスを実現しつつ、推論遅延を約50%削減できることを実証した。
  論文  参考訳（メタデータ） (2026-07-31T19:32:28Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Constant Time-Delay Leader Following with Neural Networks and Invariant Extended Kalman Filters for Arbitrary Trajectories [0.9176056742068813]
  本稿では,車両間通信を使わずに走行する車両の時間遅延軌道追跡手法を提案する。 この方法は、確率論的シーケンス・ツー・シーケンス(Seq2Seq)ニューラルネットワークと不変拡張カルマンフィルタ(IEKF)を統合し、予測プロセスのウォームスタートを行う。 本手法の有効性は, 純粋なIEKFベースライン, 学習に基づく手法, および基礎トラジェクトリとの比較により, キネマティックシミュレーションにおいて検証される。
  論文  参考訳（メタデータ） (2026-06-17T16:04:58Z)
• Benchmarking Empirical and Learning-Based Approaches for Feedforward Steering Control in Autonomous Racing [2.183305325115666]
  フィードフォワードステアリング制御は、自律走行のための階層型制御アーキテクチャの重要な構成要素である。 本稿では,2つの学習ベースと2つの経験的フィードフォワードコントローラのベンチマークを示す。 実世界Abu Dhabi Autonomous Racing Leagueコンペティションに基づく高忠実度シミュレーションフレームワークでフィードフォワードコントローラをテストする。
  論文  参考訳（メタデータ） (2026-05-20T12:44:36Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Tuning Path Tracking Controllers for Autonomous Cars Using Reinforcement Learning [0.0]
  本稿では,自動運転車のための強化学習(Reinforcement Learning, RL)に基づく適応経路追跡制御システムを提案する。 トラッカーのチューニングは、学習されたQラーニングアルゴリズムを用いて、横方向および操舵軌道誤差を最小化する。
  論文  参考訳（メタデータ） (2023-01-09T14:17:12Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)

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。