論文の概要: AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.34085v1
• Date: Mon, 28 Sep 2026 01:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 07:06:54.93014
• Title: AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
• Title（参考訳）: AD-E2E-JEPA: エンドツーエンド自動運転のための統合組込み予測アーキテクチャ
• Abstract要約: 我々は、エンド・ツー・エンド・エンド・自動運転(E2EAD)において、LWM、DINOWM、JEPA-WMを含む既存の行動条件付き共同予測アーキテクチャ(JEPA)の世界モデルを評価する。 我々は、目標条件付きゼロショット計画設定を採用し、運転方針を訓練することなく、将来的な観測を目標としてこれらのモデルを評価する。 さらに、自己教師型事前訓練プロジェクターは、下流の模倣学習性能を80.2から85.4timesSに改善することを示した。
• 参考スコア（独自算出の注目度）: 40.80550970549309
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving requires \textit{world models} that can understand the physical world, reason and plan, and operate safely. In this paper, we first systematically evaluate existing action-conditioned joint-embedding predictive architecture (JEPA) world models, including LeWM, DINO-WM, and JEPA-WM for end-to-end autonomous driving (E2EAD). To isolate world-model quality from policy learning, we employ a goal-conditioned zero-shot planning setting that evaluates these models using ground-truth future observations as goals, without training any driving policy. We find that existing JEPA-based world models are either accurate for driving but computationally expensive, or computationally efficient but insufficient for planning. To address this trade-off, we propose \textbf{AD-E2E-JEPA}, which introduces a SIGReg-regularized learnable projector applied to projected patch embeddings. The projector reduces the number of planning patches by $16\times$ and the embedding dimension by $4\times$, achieving a $100\times$ inference speedup while retaining planning performance, with a 0.8-second runtime for an 8-frame rollout over 256 candidate trajectories. \textit{Without} training any driving policy, the world model itself reaches the goals located 20 meters away on average within the displacement of respectively 4.0/2.8 meters, using world-model rollouts over trajectory vocabularies of respectively 256/8,192 candidates. On the NAVSIMv2 benchmark, it achieves 67.3/72.9 EPDMS with multiplicative safety metrics and 84.1/86.5 EPDMS$^{\dagger}$ without them in goal-conditioned zero-shot planning. Experiments further show that the self-supervised pretrained projector improves downstream imitation learning performance from 80.2 to 85.4 EPDMS. The source code is available at https://github.com/HaoranZhuExplorer/AD-E2E-JEPA
• Abstract（参考訳）: 自律運転には、物理的世界、理性、計画を理解し、安全に操作できる「textit{world model}」が必要である。 本稿では、まず、エンド・ツー・エンド・エンド・自動運転(E2EAD)のための、既存の行動条件付き共同埋め込み予測アーキテクチャ(JEPA)の世界モデル(LeWM、DINO-WM、JEPA-WMなど)を体系的に評価する。 政策学習から世界モデル品質を分離するために,目標条件付きゼロショット計画設定を用いる。 既存のJEPAベースの世界モデルは、運転には正確だが、計算には高価である。 このトレードオフに対処するために, SIGReg-regularized learnable projector を導入し, パッチ埋め込みに応用した \textbf{AD-E2E-JEPA} を提案する。 プロジェクタは、計画パッチの数を16\times$で、埋め込みディメンションを4\times$で減らし、計画性能を維持しながら100\times$の推論スピードアップを達成する。 運転方針を訓練せずに、世界モデル自体が平均20m離れた地点で平均4.0/2.8mの範囲に到達し、それぞれ256/8,192の候補の軌跡語彙上のワールドモデルロールアウトを使用する。 NAVSIMv2ベンチマークでは、67.3/72.9 EPDMSと84.1/86.5 EPDMS$^{\dagger}$を目標条件のゼロショットプランニングなしで達成している。 さらに、自己教師型事前訓練プロジェクターは、下流の模倣学習性能を80.2から85.4 EPDMSに改善することを示した。 ソースコードはhttps://github.com/HaoranZhuExplorer/AD-E2E-JEPAで入手できる。

関連論文リスト

• WALT: Learning World-Model-Aligned Latent Trajectories for Autonomous Driving [34.829719821713454]
  我々は、視覚世界状態と生の幾何学的軌跡とのミスマッチに重要なボトルネックがあると主張している。 本稿では,コンパクトな生成軌道潜在空間を学習するWALT(World-Model Alignment for Latent Trajectories)を提案する。
  論文  参考訳（メタデータ） (2026-09-24T18:32:44Z)
• FIRM-WM: State-factorized factual-interventional recurrent modeling for reward-free visual planning [13.397292182667117]
  潜在世界モデルは、オフラインビデオから学び、予測された潜在未来を通してアクションを最適化することで、新たなイメージゴールタスクを解決できる。 この設定では、計画状態に対する2つの要求がある。 FIRM-WMは,この2つのギャップを軸としたコンパクトな画素世界モデルである。
  論文  参考訳（メタデータ） (2026-09-19T06:32:56Z)
• Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control [8.39933163242427]
  JEPAsは、ピクセルを再構築するのではなく、表現空間で予測することで世界モデルを学ぶ。 以前のJEPAプランナーは、しばしば埋め込み幾何学(典型的には遅れたユークリッド距離)からランキングを継承する。 本稿では,LWMエンコーダのバックボーンを保持するテンポラルディスタンスJEPAを提案する。
  論文  参考訳（メタデータ） (2026-07-28T06:38:16Z)
• Test-Time Trajectory Optimization for Autonomous Driving [77.87162309994567]
  自動運転のためのエンド・ツー・エンドのプランナーは、通常、一連の候補軌跡を生成し、それぞれをスコアし、最高スコアの候補を返す。 我々は、スコアラを学習軌跡レベルの報酬関数として扱い、それを最大化する軌跡を探索する。 提案手法であるTOAD(Cross-Entropy Method:クロスエントロピー法)をテスト時に実行し,プランナーの提案からウォームスタートする。
  論文  参考訳（メタデータ） (2026-06-05T11:39:27Z)
• LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics [53.247652209132376]
  JEPA(Joint-Embedding Predictive Architectures)は、有望な青写真を提供するが、実践的なガイダンスや理論の欠如がアドホックな研究開発につながっている。 我々はJEPAの包括的な理論を示し、それをbf LeJEPAでインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-11T18:21:55Z)
• Imagine-2-Drive: Leveraging High-Fidelity World Models via Multi-Modal Diffusion Policies [9.639797094021988]
  World Model-based Reinforcement Learning (WMRL)は、効率的な政策学習を可能にする。 マルチモーダル拡散型ポリシーアクタと高忠実度世界モデルを統合する新しいWMRLフレームワークであるImagine-2-Driveを提案する。 DiffDreamer内のDPAをトレーニングすることにより,オンラインインタラクションを最小限に抑えた堅牢なポリシー学習を実現する。
  論文  参考訳（メタデータ） (2024-11-15T13:17:54Z)
• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)

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。