論文の概要: Beyond the Leaderboard: Counterfactual Diagnosis of End-to-End and VLA Driving Policies Under Domain Shift

• arxiv url: http://arxiv.org/abs/2609.22582v1
• Date: Fri, 18 Sep 2026 21:06:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.464157
• Title: Beyond the Leaderboard: Counterfactual Diagnosis of End-to-End and VLA Driving Policies Under Domain Shift
• Title（参考訳）: リーダーボードを超えて:ドメインシフトの下でのエンド・ツー・エンドとVLAの運転ポリシーの非現実的診断
• Abstract要約: NAVSIMのリーダーボードでは、nuScenesのオープンループエラーやNAVSIMのリーダーボードは、新しい場所にあるエゴ回廊近くの歩行者とシーンに受け継がれていない。 数百個の実フレーム、それぞれ2つの方法で編集され、それぞれ独立検出器で検証される。 これらの編集から2つの因果軸が読み上げられ、5つの試験が構築され、スコアがマージするものを分離する。
• 参考スコア（独自算出の注目度）: 7.564797104074919
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end and vision-language-action (VLA) driving policies are compared by leaderboard rank, but a rank reports an outcome, not the behaviour behind it, so it predicts poorly how a policy will behave at a new site. On six released policies, rank on nuScenes open-loop error or on NAVSIM's leaderboard does not carry over to scenes with a pedestrian near the ego corridor at a new site. We propose a counterfactual check-up: a few hundred real frames, each edited two ways (pedestrian removed, or re-lit by a night-style perturbation), every edit verified by an independent detector, and the change in the planned trajectory read as a diagnosis rather than a score. From these edits two causal axes are read, and five exams built on them separate what a score merges: how far the policy plans to drive, whether seeing the pedestrian buys safety, whether that response scales with danger, whether the plan moves when nothing requires it, and how much an irrelevant lighting change moves it. On 246 NAVSIM near-pedestrian scenes, in the cells where the pedestrian lies on the planned path only 1.9% of responses are genuine avoidance, and under our open-loop protocol the median clearance change is at most 0.03 m and the median change in planned distance at most 0.08 m for every policy. In a pre-registered test from left- to right-hand drive, the exposure and specificity orderings, the lighting verdict and the collision outcome transfer, while point values and the hazard-sensitivity verdict do not. Read as a selection report, the profiles say which policy is safe because it plans short, which covers a human-like distance without yielding, and which is unsteady under a change that requires no reaction, and they price each verdict: most settle within a few dozen frames, hazard sensitivity needs hundreds. Code and edited frames will be released.
• Abstract（参考訳）: エンド・ツー・エンドとビジョン・ランゲージ・アクション(VLA)の運転ポリシーは、リーダーボードのランクによって比較されるが、ランクは、その背後にある振る舞いではなく、結果を報告している。 公表された6つのポリシーでは、nuScenesのオープンループエラーやNAVSIMのリーダーボードのランクは、新しい場所にあるエゴ回廊の近くに歩行者がいるシーンには適用されない。 本稿では,数百個の実フレームを編集し,それぞれに2つの方法(歩行者の除去,夜間型摂動によるリライト)を編集し,独立した検出器によって検証された各編集,およびスコアではなく診断として読み取られる予定軌跡の変化について検討する。 これらの編集から2つの因果軸が読み上げられ、5つの試験が組み込まれ、スコアがマージするものを区別する: 歩行者が安全を購入するかどうか、その反応が危険と共にスケールするかどうか、計画が何も必要としないときに動くかどうか、そして無関係な照明がどれくらい動くか。 246 NAVSIM ニアペデストリアンのシーンでは、歩行者が計画された経路上にあるセルでは、応答のわずか1.9%が真の回避であり、オープンループプロトコルでは、平均クリアランスの変化は0.03m、計画された距離の中央値は0.08mである。 左から右のドライブからの事前登録試験では、露光及び特異性順序、照明判定および衝突結果伝達が、点値と危険感度判定は一致しない。 選択レポートを読めば、どのポリシーが安全かがわかる。それは、人間のような距離を譲らずにカバーし、反応を必要としない変更の下では安定しない。 コードと編集されたフレームがリリースされる。

関連論文リスト

• Fleets Need a Context Plane: Rethinking Cooperative Perception for Autonomous Drones [2.4987462536395966]
  協調的な認識により、ドローン艦隊は複数の視点から観測を組み合わせられる。 既存のシステムは一般的に、設計時に機能共有ポリシーを修正するか、1つのコンテキスト信号にのみ適応する。 我々は,UAV3Dにおけるコンテキストブレンド共有のコストを,再学習することなく,評価時に特徴交換を制御することによって定量化する。
  論文  参考訳（メタデータ） (2026-09-01T03:38:18Z)
• Measuring the Wrong Thing: Internal Harmfulness Scores Anti-Rank Successful Jailbreaks [8.249133191294703]
  内部安全スコアは、テキストが生成される前にプロンプトを判断する。 間違った量を測定するスコアに調整されたフィルターは、いずれにせよ失敗した攻撃に対して偽陽性の予算を費やす。 固定コンテンツ独立計測座標を提供するアクティブアテンション・プロービングを導入する。
  論文  参考訳（メタデータ） (2026-08-10T14:05:32Z)
• When Policies Change Probabilities: Modular Decision-Making for LLM Code Review [1.957901132578125]
  720のパッチに対する15,792の応答を用いて,4つのデプロイされたレビュアインタフェースが分離を維持しているかどうかを検証した。 パッチと一致した呼び出しで、修正された証拠を監視し、同じコストの政策を10:1の偽受け入れポリシーに変更し、障害確率を13.6から16.9ポイントと報告した。 また、ポリシー情報なしでリスクを発生させるモジュールパイプラインを評価し、独立したモニタスコアを組み合わせて、コードにコストを適用します。
  論文  参考訳（メタデータ） (2026-08-02T20:09:02Z)
• Who Drifted: the System or the Judge? Anytime-Valid Attribution in LLM Evaluation Pipelines [0.22843885788439797]
  製品の継続的な評価は、基底真理として扱われる強いLCMの判断に依存している。 judgeはそれ自体がAPIの背後にあるモデルであり、サイレントバージョンアップやスコアの更新はスコアの方法を変える。 我々は、アンカーが保護するメインプロセスを追い越さなければならないという設計法則を持つ帰属レースである(裁判官だけがアンカーを動かすことができる)任意の時間的正当性、一方的な識別を証明します。
  論文  参考訳（メタデータ） (2026-06-13T21:12:27Z)
• PaSBench-Video: A Streaming Video Benchmark for Proactive Safety Warning [54.70033525672316]
  ビデオ対応の大型言語モデル(MLLM)は、このウィンドウ内で警告を発する常時オンの安全モニタとして機能する。 今回紹介するPaSBench-Videoは、481のリスクと4つのドメインにわたる259のリスクビデオを備えた740のビデオベンチマークだ。 最も厳密な基準ではモデルが20.0%を超えることはなく、リコールは偽陽性率と強く結びついている。
  論文  参考訳（メタデータ） (2026-06-01T16:14:01Z)
• MORPH-U: Multi-Objective Resilient Motion Planning for V2X-Enabled Autonomous Driving in High-Uncertainty Environments via Simulation [0.9427635404752933]
  本稿では,不確実なイベント駆動更新に対して,動作計画と低レベル制御を堅牢にする方法について検討する。 本稿では,LiDAR/レーダー/カメラとV2X(CAM/DENM)を融合した閉ループスタックであるMORPH-Uをローカルダイナミックマップに提示する。 故障したV2Xトリガから安全でないリプランを避けるため、MORPH-Uはビザンチンにインスパイアされた軽量の受け入れゲートを追加した。
  論文  参考訳（メタデータ） (2026-05-08T07:27:10Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• TAG: Target-Agnostic Guidance for Stable Object-Centric Inference in Vision-Language-Action Models [59.13964209628383]
  VLA(Vision-Language-Action)ポリシーは、言語指示や視覚的な観察をロボット行動にマッピングする上で大きな進歩を見せている。 本稿では,VLA政策における乱れや外見に起因したバイアスを明示的に軽減する単純な推論時ガイダンス機構であるTAG(Target-Agnostic Guidance)を提案する。 我々は, LIBERO, LIBERO-Plus, VLABenchなどの標準操作ベンチマーク上でTAGを評価し, クラッタ下での堅牢性を一貫して改善し, ニアミスや不正なオブジェクト実行を減らす。
  論文  参考訳（メタデータ） (2026-03-25T17:56:32Z)
• CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving [55.88697462014118]
  CorrectionPlannerは自己補正を備えた自動回帰プランナーである。 Waymaxでは衝突率を20%以上削減し、nuPlanでは最先端の計画スコアを達成している。
  論文  参考訳（メタデータ） (2026-03-16T18:03:21Z)
• 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)
• A Granular Study of Safety Pretraining under Model Abliteration [64.24346997570275]
  本稿では,リフレクションに敏感な方向を除去する軽量プロジェクション技術であるモデルアブリーブレーションについて検討する。 我々は、バランスのとれた有害かつ無害なケースで100のプロンプトを発行し、複数の判断を用いて**Refusal*または***Non-Refusal*として応答を分類し、判断の忠実さを検証する。 本研究は,データ中心の安全コンポーネントが失語中も頑健であるチェックポイントレベルの特徴付けを行う。
  論文  参考訳（メタデータ） (2025-10-03T07:01:45Z)

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。