論文の概要: ReDrive: Shaping Representations with World Modeling for End-to-End Driving

• arxiv url: http://arxiv.org/abs/2609.33854v1
• Date: Sun, 27 Sep 2026 19:12:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 16:16:12.025231
• Title: ReDrive: Shaping Representations with World Modeling for End-to-End Driving
• Title（参考訳）: ReDrive: エンド・ツー・エンド駆動のための世界モデリングによる表現生成
• Abstract要約: ReDriveは、将来の表現予測を通じて計画指向の視覚的特徴を強化するエンドツーエンドの駆動フレームワークである。 NAVSIMの実験では、NAVSIM v1では91.0PDMS、NAVSIM v2では90.8Sを達成した。
• 参考スコア（独自算出の注目度）: 43.08105216564843
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driving policies require capabilities of scene understanding and future evolution prediction. To achieve this goal, current end-to-end models typically construct complex perception-planning pipelines or introduce world models that explicitly predict future states, resulting in a complex system architecture. Inspired by the transferability of general-purpose visual representations, we argue that combining sufficiently strong visual representations with representation world modeling can support effective planning without relying on complex inference-time auxiliary modules. Based on this insight, we present ReDrive, an end-to-end driving framework that strengthens planning-oriented visual features via future representation prediction. To achieve this, ReDrive adopts a three-stage training pipeline consisting of driving video pretraining, joint world-modeling and planning training, and planner adaptation. This yields a strong planning-oriented representation and a high-performance planner, while requiring neither auxiliary perception modules nor future prediction at inference time. Experiments on NAVSIM demonstrate strong performance, achieving 91.0 PDMS on NAVSIM v1 and 90.8 EPDMS on NAVSIM v2. These results show that shaping representations with world modeling is sufficient to enable high-performance end-to-end planning while retaining a simple encoder-planner inference pipeline.
• Abstract（参考訳）: 運転ポリシーは、シーン理解と将来の進化予測の能力を必要とする。 この目標を達成するために、現在のエンドツーエンドモデルは一般的に複雑な知覚計画パイプラインを構築したり、将来の状態を明示的に予測する世界モデルを導入し、複雑なシステムアーキテクチャをもたらす。 汎用的な視覚表現の伝達可能性に着想を得て、十分に強力な視覚表現と表現世界モデリングを組み合わせることで、複雑な推論時補助モジュールに頼ることなく効果的な計画を支援することができると論じる。 この知見に基づいて、将来の表現予測を通じて計画指向の視覚的特徴を強化するエンド・ツー・エンドの駆動フレームワークであるReDriveを紹介する。 これを実現するために、ReDriveでは、ビデオ事前トレーニング、共同ワールドモデリングと計画トレーニング、プランナー適応からなる3段階のトレーニングパイプラインを採用している。 これにより、強力な計画指向表現と高性能プランナーが得られ、補助的な知覚モジュールも将来の予測も必要としない。 NAVSIMの実験では、NAVSIM v1で91.0 PDMS、NAVSIM v2で90.8 PDMSを達成した。 これらの結果から, 簡単なエンコーダ・プランナ推論パイプラインを維持しつつ, 高性能なエンド・ツー・エンド・プランニングを実現するのに, ワールド・モデリングによる表現の整形が十分であることが示された。

関連論文リスト

• EponaV2: Driving World Model with Comprehensive Future Reasoning [30.57460966414501]
  本研究では,世界モデルを駆動する新しいパラダイムであるEponaV2を提案する。 人間のドライバーが3Dの幾何学と意味をどう予測するかに触発され、より包括的な未来の表現を予測するためにモデルを訓練する。 3Dとセマンティックなモダリティを抽出することで、我々のモデルは周囲の環境を深く理解することができる。
  論文  参考訳（メタデータ） (2026-05-14T11:12:23Z)
• DriveDreamer-Policy: A Geometry-Grounded World-Action Model for Unified Generation and Planning [44.543763428623976]
  DriveDreamer-Policyは、深度生成、将来のビデオ生成、モーションプランニングを統合した統合運転ワールドアクションモデルである。 提案したモデルは、モジュラリティと遅延制御性を維持しながら、より一貫性のある未来とより情報のある駆動動作を生成する。
  論文  参考訳（メタデータ） (2026-04-02T08:33:18Z)
• Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
  我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。 提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
  論文  参考訳（メタデータ） (2026-03-28T14:39:51Z)
• DriveX: Omni Scene Modeling for Learning Generalizable World Knowledge in Autonomous Driving [20.197094443215963]
  本稿では、動画から一般的なシーンのダイナミクスと全体像を学習する自己教師型世界モデルDriveXを提案する。 DriveXは,マルチモーダル監視3Dポイントクラウド予測,2Dセマンティック表現,イメージ生成を統合するモジュールであるOmni Scene Modeling (OSM)を導入した。 下流適応のために我々は,DriveXの予測から特徴を動的に集約し,タスク固有の推論を強化する統一パラダイムであるFuture Spatial Attention (FSA)を設計する。
  論文  参考訳（メタデータ） (2025-05-25T17:27:59Z)
• Generative Planning with 3D-vision Language Pre-training for End-to-End Autonomous Driving [20.33096710167997]
  GPVLという名前の3次元言語事前学習モデルによる生成計画がエンドツーエンドの自動運転のために提案されている。 クロスモーダル言語モデルを導入し、総合的な駆動決定と微粒な軌跡を生成する。 GPVLの効果的で堅牢で効率的な性能は、将来の自動運転システムの実用化に不可欠であると考えられている。
  論文  参考訳（メタデータ） (2025-01-15T15:20:46Z)
• DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers [61.92571851411509]
  我々は、インターリーブ画像とアクショントークンに基づくマルチモーダル駆動言語を導入し、共同世界モデリングと計画を学ぶためのDrivingGPTを開発した。 我々のDrivingGPTは、アクション条件付きビデオ生成とエンドツーエンドプランニングの両方において強力なパフォーマンスを示し、大規模なnuPlanとNAVSIMベンチマークにおいて強力なベースラインを達成しています。
  論文  参考訳（メタデータ） (2024-12-24T18:59:37Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)

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。