論文の概要: Planning-Aligned Pretraining of BEV Representations with Sparse Action-Conditioned Targets for End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.22868v1
• Date: Sat, 19 Sep 2026 08:13:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.577353
• Title: Planning-Aligned Pretraining of BEV Representations with Sparse Action-Conditioned Targets for End-to-End Autonomous Driving
• Title（参考訳）: エンド・ツー・エンド自動運転のためのスパース動作目標によるBEV表現の計画付き事前学習
• Abstract要約: PAVER, Planning-Aligned BEV Pretrainingを紹介する。 単一のLiDARスイープから、PAVERはルールベースのエゴ運動に沿って、占有された証拠や観察されていない証拠を記述したスパースリスクと未知のターゲットを構築している。 nuScenesでは、PAVERはVAD-Tinyの平均衝突速度を0.51%から0.19%に削減し、計画L2、動き予測、検出、マッピングを改善した。 選択されたVAD-TinyとVAD-Baseのスケジュールは、事前訓練を含むスクラッチトレーニングよりも36%少ない。
• 参考スコア（独自算出の注目度）: 2.1280728033289766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end driving requires planning-relevant bird's-eye-view (BEV) representations, but existing pretraining approaches often rely on task annotations or dense scene reconstruction. We introduce PAVER, Planning-Aligned BEV Encoder Pretraining. From a single LiDAR sweep, PAVER constructs sparse risk and unknown targets describing occupied and unobserved evidence along rule-based ego motions. A 10K-parameter head predicts these targets from masked BEV features conditioned on the action state, directing supervision toward geometric constraints on candidate motions. Pretraining requires no driving-task annotations or dense reconstruction. Only the BEV encoder is transferred, preserving the downstream architecture and camera-only inference. On nuScenes, PAVER reduces VAD-Tiny's average collision rate from 0.51% to 0.19%, while improving planning L2, motion prediction, detection, and mapping. The selected VAD-Tiny and VAD-Base schedules use about 36% less estimated total training time than scratch training, including pretraining. On Bench2Drive Town05 Long, PAVER improves UniAD-Tiny's closed-loop Driving Score from 48.45 to 58.79. The project page is available at https://archiiive99.github.io/PAVER.
• Abstract（参考訳）: エンド・ツー・エンド・ドライブは、計画に関連のあるバードアイビュー(BEV)の表現を必要とするが、既存の事前学習アプローチはタスクアノテーションや密集したシーン再構築に依存していることが多い。 PAVER, Planning-Aligned BEV Encoder Pretrainingを紹介する。 単一のLiDARスイープから、PAVERはルールベースのエゴ運動に沿って、占有された証拠や観察されていない証拠を記述したスパースリスクと未知のターゲットを構築している。 10Kパラメーターヘッドは、これらのターゲットを、動作状態に調整されたマスク付きBEV特徴から予測し、候補運動の幾何的制約に監督を向ける。 事前トレーニングは、ドライブタスクアノテーションや密集した再構築を必要としない。 BEVエンコーダのみが転送され、下流アーキテクチャとカメラのみの推論が保持される。 nuScenesでは、PAVERはVAD-Tinyの平均衝突速度を0.51%から0.19%に削減し、計画L2、動き予測、検出、マッピングを改善した。 選択されたVAD-TinyとVAD-Baseのスケジュールは、事前訓練を含むスクラッチトレーニングよりも36%少ない。 Bench2Drive Town05 Longでは、PAVERはUniAD-Tinyのクローズドループドライビングスコアを48.45から58.79に改善した。 プロジェクトのページはhttps://archiiive99.github.io/PAVER.comで公開されている。

関連論文リスト

• Faster Training, Fewer Labels: Self-Supervised Pretraining for Fine-Grained BEV Segmentation [6.399280002773129]
  細粒度道路マーキングセグメンテーションのための2段階トレーニング戦略を提案する。 自己教師付き事前トレーニングの間、BEVFormerの予測はイメージプレーンに異なる方法で再プロジェクションされる。 その後の教師付き微調整フェーズでは、データセットの50%しか必要とせず、トレーニング時間が大幅に短縮される。
  論文  参考訳（メタデータ） (2026-02-20T08:37:58Z)
• LLaViDA: A Large Language Vision Driving Assistant for Explicit Reasoning and Enhanced Trajectory Planning [28.59507336524504]
  軌道計画は、自律運転の基本的かつ挑戦的な要素である。 物体の動き予測に視覚言語モデル(VLM)を利用するLLaViDAを提案する。 NuScenesベンチマークでは、LLaViDAは最先端のエンドツーエンドおよび最近のVLM/LLMベースのベースラインを超越して、オープンループ軌道計画タスクを実行している。
  論文  参考訳（メタデータ） (2025-12-20T04:38:35Z)
• BEVTraj: Map-Free End-to-End Trajectory Prediction in Bird's-Eye View with Deformable Attention and Sparse Goal Proposals [0.8166364251367625]
  本稿では,自律運転のためのBird's-Eye View Trajectory Prediction (BEVTraj)を提案する。 これは、事前に構築された地図に頼ることなく、リアルタイムセンサーデータを利用する鳥眼ビュー(BEV)空間で直接動作する。 高い柔軟性を提供しながら、最先端のHDマップベースのモデルに匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-09-12T09:17:54Z)
• U-BEV: Height-aware Bird's-Eye-View Segmentation and Neural Map-based Relocalization [81.76044207714637]
  GPS受信が不十分な場合やセンサベースのローカライゼーションが失敗する場合、インテリジェントな車両には再ローカライゼーションが不可欠である。 Bird's-Eye-View (BEV)セグメンテーションの最近の進歩は、局所的な景観の正確な推定を可能にする。 本稿では,U-NetにインスパイアされたアーキテクチャであるU-BEVについて述べる。
  論文  参考訳（メタデータ） (2023-10-20T18:57:38Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [54.48052449493636]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションにおいて重要な役割を果たす。 BEVTrackは、シンプルだが効果的な動きに基づくトラッキング手法である。 我々は,BEVTrackが200FPSで動作しながら最先端の結果を達成し,リアルタイム適用性を実現していることを示す。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• BEV-MAE: Bird's Eye View Masked Autoencoders for Point Cloud Pre-training in Autonomous Driving Scenarios [51.285561119993105]
  自律運転におけるLiDARに基づく3Dオブジェクト検出のための,効率的なマスク付きオートエンコーダ事前学習フレームワークであるBEV-MAEを提案する。 具体的には、3Dエンコーダ学習特徴表現を導くために,鳥の目視(BEV)誘導マスキング戦略を提案する。 学習可能なポイントトークンを導入し、3Dエンコーダの一貫性のある受容的フィールドサイズを維持する。
  論文  参考訳（メタデータ） (2022-12-12T08:15:03Z)

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。