論文の概要: RCVLA: 4D Radar-Grounded Semantic Reasoning and Trajectory Arbitration for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2609.32681v1
- Date: Sat, 26 Sep 2026 14:40:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 21:22:38.571146
- Title: RCVLA: 4D Radar-Grounded Semantic Reasoning and Trajectory Arbitration for Autonomous Driving
- Title（参考訳）: RCVLA: 自律走行のための4次元レーダ周囲のセマンティック推論と軌道配置
- Abstract要約: 本稿では,意味論的推論段階と軌跡仲裁段階からなるレーダカメラVLAフレームワークを提案する。
RCVLA-SemはCIDErを9.92ポイント改善し、OmniDriveと比較してキーオブジェクトの速度誤差を21.9%削減した。
RCVLA-Physは平均L2誤差を0.348ドルから0.259ドル、平均オープンループ衝突率を0.576%ドルから0.175%ドルに下げる。
- 参考スコア（独自算出の注目度）: 13.902904347799215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 4D radar provides geometric and motion cues that complement visual semantics, but integrating it into vision-language-action (VLA) models requires both radar--language alignment for semantic reasoning and explicit use of radar measurements for trajectory refinement and selection. To support these capabilities, we construct Cap4DR with 86,016 radar-image-text samples for alignment pretraining and OmniHD-QA with 520,161 question-answer pairs for instruction tuning across scene description, key-object reasoning, occupancy understanding, and trajectory planning. Building on these datasets, we propose RCVLA, a radar-camera VLA framework consisting of a radar-grounded semantic reasoning stage (RCVLA-Sem) and a trajectory arbitration stage (RCVLA-Phys). RCVLA-Sem performs gated bidirectional interaction between camera and radar tokens for driving question answering and reference trajectory generation, while auxiliary heads provide object and occupancy queries. RCVLA-Phys refines reference-guided trajectory candidates through truncated diffusion conditioned on these queries and cluster-level radar measurements, then calibrates candidate scores using radar-derived time-to-collision risk. On OmniHD-QA, RCVLA-Sem improves CIDEr by 9.92 points and reduces key-object velocity error by $21.9\%$ relative to OmniDrive. RCVLA-Phys further reduces average L2 error from $0.348$ to $0.259\,\mathrm{m}$ and average open-loop collision rate from $0.576\%$ to $0.175\%$ relative to RCVLA-Sem. Ablation studies further show that language-aligned radar tokens improve semantic reasoning, while cluster-level radar measurements and risk calibration improve trajectory arbitration. Code will be released.
- Abstract（参考訳）: 4Dレーダーは、視覚的意味論を補完する幾何学的および運動的手がかりを提供するが、それを視覚言語アクション(VLA)モデルに統合するには、意味論的推論のためのレーダー言語アライメントと、軌跡の洗練と選択のためのレーダー測定の明示的な使用の両方が必要である。
これらの機能をサポートするために,アライメント事前学習のための86,016個のレーダー画像テキストサンプルと520,161個の質問応答ペアを用いてCap4DRを構築し,シーン記述,キーオブジェクト推論,占有理解,軌道計画を行う。
これらのデータセットに基づいて,レーダグラウンドドセマンティック推論ステージ(RCVLA-Sem)と軌道仲裁ステージ(RCVLA-Phys)からなるレーダカメラVLAフレームワークであるRCVLAを提案する。
RCVLA-Semは、カメラとレーダトークン間の有声双方向インタラクションを実行し、質問応答と基準軌道生成を行い、補助ヘッドはオブジェクトおよび占有クエリを提供する。
RCVLA-Physは、これらのクエリとクラスタレベルのレーダー測定によって条件付き拡散条件で基準誘導軌道候補を洗練し、レーダ由来の時間対衝突リスクを用いて候補スコアを校正する。
OmniHD-QAでは、RCVLA-SemはCIDErを9.92ポイント改善し、OmniDriveと比較してキーオブジェクトの速度誤差を21.9\%削減する。
RCVLA-Physはさらに平均L2誤差を0.348$から0.259$に下げ、平均開ループ衝突率を0.576%から0.175%に下げる。
アブレーション研究により、言語対応レーダトークンは意味論的推論を改善する一方、クラスタレベルのレーダ測定とリスクキャリブレーションは軌道仲裁を改善することが示されている。
コードはリリースされる。
関連論文リスト
- Radar4D-VLM: Proposal-Grounded Temporal 4D Radar Reasoning Across Frozen Language Models [11.640975138247557]
本稿では、自律走行のためのレーダのみの時間視覚言語モデルであるRadar4D-VLMを紹介する。
Radar4D-VLMは、幾何学的に接地されたオブジェクトの提案を抽出し、レーダー証拠をオブジェクト、シーン、キネマティックトークンのコンパクトな階層に整理する。
シーケンシャルに分離されたK-Radar開発検証では、トップ64の提案リコールは98.13%に達し、それぞれ6.40ポイントと22.83ポイントの固定格子と一様ランダム制御を超えた。
論文 参考訳（メタデータ） (2026-08-04T18:32:16Z) - RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。
RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。
本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
論文 参考訳（メタデータ） (2025-12-19T18:57:33Z) - RaLiFlow: Scene Flow Estimation with 4D Radar and LiDAR Point Clouds [10.906975408529895]
我々は、パブリックな現実世界の自動車のデータセットに基づいて、Radar-LiDARシーンフローデータセットを構築した。
4DレーダとLiDARのための最初の共同シーンフロー学習フレームワークであるRaLiFlowを紹介する。
提案手法は,既存のLiDAR法とレーダ方式の単一モード法とを有意差で比較した。
論文 参考訳（メタデータ） (2025-12-11T07:41:33Z) - DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。
スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。
提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
論文 参考訳（メタデータ） (2025-04-29T01:20:30Z) - Bootstrapping Autonomous Driving Radars with Self-Supervised Learning [13.13679517730015]
レーダモデルの訓練は、大規模レーダデータの注釈付けのコストと難しさによって妨げられている。
本研究では,未ラベルのレーダデータを事前学習型レーダのみの埋め込みに活用して,自律型認識タスクを実現するための自己教師型学習フレームワークを提案する。
下流オブジェクト検出に使用する場合、提案するセルフスーパービジョンフレームワークが、最先端の教師付きベースラインの精度をmAPで5.8%向上できることを実証する。
論文 参考訳（メタデータ） (2023-12-07T18:38:39Z) - Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z) - Radar Artifact Labeling Framework (RALF): Method for Plausible Radar
Detections in Datasets [2.5899040911480187]
粗いレーダ点雲のラベル付けのためのクロスセンサレーダアーチファクトラベルフレームワーク(RALF)を提案する。
RALFは、レーダーの生検出のための可視性ラベルを提供し、アーティファクトとターゲットを区別する。
半手動ラベル付き地上真理データセットの3.28cdot106$ポイントの誤差測定値を評価することにより,結果を検証する。
論文 参考訳（メタデータ） (2020-12-03T15:11:31Z) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z)
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。