論文の概要: Differentiable Dynamics for Autonomous Micro-Mobility Navigation

• arxiv url: http://arxiv.org/abs/2609.31885v1
• Date: Fri, 25 Sep 2026 18:22:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 05:00:15.907541
• Title: Differentiable Dynamics for Autonomous Micro-Mobility Navigation
• Title（参考訳）: 自律型マイクロモビリティナビゲーションのための微分力学
• Abstract要約: マイクロモビリティー車両(MMV)は、歩行者共有空間における移動性の向上と安全な低速輸送を支援する可能性を秘めている。 本稿では,自律型マイクロモビリティシステムのための動的モデルの微分可能な定式化を提案する。 オープンループ設定とクローズループ設定の両方において,これらのダイナミクスモデルを評価する。
• 参考スコア（独自算出の注目度）: 16.494456900712237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous micro-mobility vehicles (MMVs) such as wheelchairs, scooters, and bicycles have the potential to improve mobility access and support safe low-speed transportation in pedestrian-shared spaces. Achieving MMV autonomy will require realistic, predictable MMV motion. However, many existing autonomous vehicle stacks rely on simplified kinematic models that fail to capture key MMV characteristics such as tire slip, friction, and wheel layouts, limiting realism and gradient-based optimization. In this paper, we explore differentiable formulations of dynamics models for autonomous micro-mobility systems. We first construct DiffKBM, a differentiable version of the kinematic bicycle model (KBM). Then, we introduce DiffGM3, a differentiable formulation of the General Micro-Mobility Model (GM3), a unified tire-based dynamics formulation for micro-mobility vehicles that supports a wide range of MMV configurations. DiffKBM and DiffGM3 enable end-to-end differentiable optimization through MMV dynamics, making them suitable for integration into differentiable autonomy stacks. We evaluate these dynamics models in both open-loop and closed-loop settings: (1) open-loop trajectory matching, where DiffKBM and DiffGM3 are integrated as a dynamics layer within DiffStack and optimized to reproduce real-world MMV trajectories, and (2) closed-loop autonomous navigation, where DiffKBM and DiffGM3 are paired with a differentiable MPC controller in CrowdNav pedestrian scenarios. In the open-loop setting, DiffGM3 outperforms DiffKBM in reproducing trajectories with improvements in ADE and NLL across bicycle, scooter, and motorcycle modes, and reductions in planning loss for bicycle and motorcycle trajectories. We also find that, in closed-loop settings, DiffGM3 improves on DiffKBM's CrowdNav performance by producing 55\% fewer collisions and a 75\% lower discomfort frequency for the bicycle mode.
• Abstract（参考訳）: 車椅子、スクーター、自転車などの自律型マイクロモビリティ車両(MMV)は、歩行者共有空間における移動性の向上と安全な低速輸送を支援する可能性がある。 MMVの自律性を達成するには、現実的で予測可能なMVVの動きが必要である。 しかし、多くの既存の自動運転車スタックは、タイヤスリップ、摩擦、車輪レイアウトといった重要なMVV特性を捉えることができず、現実性や勾配に基づく最適化を制限できない単純化されたキネマティックモデルに依存している。 本稿では,自律型マイクロモビリティシステムのための動的モデルの微分可能な定式化について検討する。 まず,キネマティック自転車モデル(KBM)の微分可能なバージョンであるDiffKBMを構築した。 次に、多種多様なMVV構成をサポートするマイクロモビリティ車両のための統一タイヤベース力学式であるGM3(General Micro-Mobility Model)の微分可能な定式化であるDiffGM3を紹介する。 DiffKBMとDiffGM3は、MMVダイナミックスによるエンドツーエンドの差別化可能な最適化を可能にし、差別化可能な自律スタックへの統合に適している。 1)DiffKBMとDiffGM3がDiffStack内の動的層として統合され、現実のMVVトラジェクトリの再現に最適化されたオープンループトラジェクトリマッチング、(2)DiffKBMとDiffGM3がCrowdNavの歩行者シナリオで異なるMPCコントローラとペアリングされるクローズループ自律ナビゲーション、である。 オープンループ設定では、DiffGM3はDiffKBMを上回り、自転車、スクーター、オートバイのモードでADEとNLLを改良し、自転車やオートバイのトラジェクトリの計画損失を減らした。 また、クローズドループ設定では、DiffKBMのCrowdNavの性能が55倍に向上し、自転車モードの不快度が75倍に低下していることが判明した。

関連論文リスト

• A Collaborative Multi-Modality Interaction for VLA-based End-to-End Autonomous Driving [96.81243316566764]
  VLA(Vision-Language-Action)モデルは、エンドツーエンドの自動運転の強力なパラダイムとして登場した。 マルチモーダリティインタラクションと多軌道計画と最適化を組み合わせた,堅牢なVLAベースのエンドツーエンド自動運転システムを提案する。
  論文  参考訳（メタデータ） (2026-08-21T09:06:16Z)
• MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
  視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。 本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。 MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
  論文  参考訳（メタデータ） (2026-05-13T23:35:14Z)
• CAR: Cross-Vehicle Kinodynamics Adaptation via Mobility Representation [12.994292036520681]
  CAR(Cross-vehicle Kinodynamics Adaptation by Mobility Representation)は、新しい車両への高速移動を可能にする新しいフレームワークである。 我々は,CARをクロノ多物理エンジン上に構築したVerti-Benchシミュレータを用いて評価し,Verti-4-Wheelerプラットフォームを4つの物理構成で評価した。
  論文  参考訳（メタデータ） (2026-03-06T20:34:55Z)
• DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
  エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。 強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。 これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
  論文  参考訳（メタデータ） (2025-12-08T17:29:52Z)
• GMF-Drive: Gated Mamba Fusion with Spatial-Aware BEV Representation for End-to-End Autonomous Driving [5.450011907283289]
  本稿では, GMF-Driveを紹介した。これは2つの原則的イノベーションを通じて, 課題を克服するエンドツーエンドフレームワークである。 まず、情報制限ヒストグラムに基づくLiDAR表現を、幾何学的に拡張された柱形式で置き換える。 第二に,高効率空間認識状態空間モデルを用いた高価な変圧器を代替する新しい階層型マンバ融合アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-08-08T08:17:18Z)
• Stable at Any Speed: Speed-Driven Multi-Object Tracking with Learnable Kalman Filtering [5.852380432257675]
  マルチオブジェクトトラッキング(MOT)により、自動運転車は動的物体を継続的に知覚することができる。 Speed-Guided Learnable Kalman Filter (SG-LKF)は、エゴ車速に不確実性を適用し、高ダイナミックなシナリオにおける安定性と精度を著しく向上する。 SG-LKF は KITTI 2D MOT の79.59% HOTA で全ての視覚ベースの手法の中で第1位であり、KITTI 3D MOT では 82.03% HOTA で強い結果を出し、nuScenes 3D MOT では SimpleTrack を 2.2% AMOTA で上回っている。
  論文  参考訳（メタデータ） (2025-08-01T06:42:33Z)
• Markov Regime-Switching Intelligent Driver Model for Interpretable Car-Following Behavior [19.229274803939983]
  我々は、運転動作を異なるIDMパラメータセットで制御できるレギュラースイッチングフレームワークを導入する。 IDM力学を用いたファクショナル隠れマルコフモデルを用いてフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-06-17T17:55:42Z)
• Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
  自律運転におけるMLLM(Multimodal Large Language Models)の適用について検討する。 GPT-4oのようなモデルの開発は進んでいるが、複雑な運転環境における性能は未解明のままである。
  論文  参考訳（メタデータ） (2024-05-09T17:52:42Z)
• 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。