論文の概要: RefineDrive: Reliable Failure-Guided Learning for Vision-Language-Action Driving

• arxiv url: http://arxiv.org/abs/2609.35078v1
• Date: Mon, 28 Sep 2026 13:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 17:10:26.852108
• Title: RefineDrive: Reliable Failure-Guided Learning for Vision-Language-Action Driving
• Title（参考訳）: RefineDrive: ビジョンランゲージ・アクション駆動のための信頼性の高い障害ガイド型学習
• Abstract要約: 自動運転のためのビジョンランゲージ・アクション(VLA)モデルは、専門家によるデモンストレーションの成功に大きく依存している。 これらの失敗から学ぶことは、信頼性の低い診断、不一致の修正ターゲット、粗い報酬によって妨げられる。 本稿では、自己生成障害から学習する、障害誘導後トレーニングフレームワークRefineDriveを提案する。
• 参考スコア（独自算出の注目度）: 16.68571039427634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action (VLA) models for autonomous driving rely heavily on successful expert demonstrations, leaving model-specific failures underexploited. Learning from these failures is hindered by unreliable diagnoses, poorly matched correction targets, and coarse rewards. We propose RefineDrive, a failure-guided post-training framework that learns from self-generated failures through targeted supervision and safety-aware reinforcement learning. Reliable Diagnosis derives structured, verifiable feedback on collisions and drivable-area violations directly from simulator states. Minimum-Correction Target Retrieval searches a clustered human trajectory bank for nearby corrections that satisfy hard-safety constraints in the current scene, prioritizing preservation of the failed prediction's motion pattern. Conditioned on the driving context and failed trajectory, Correction SFT learns to generate the diagnosis followed by the retrieved correction as a training-only auxiliary task. We then apply GRPO with a Safety-Layered Reward that strictly prioritizes hard-safe trajectories, retains continuous safety feedback for both unsafe and hard-safe trajectories, and rewards driving progress only after hard safety is satisfied. At inference, the policy directly predicts trajectories from the driving context without an explicit diagnosis or repair stage. On NAVSIM v1, RefineDrive improves the 4B base SFT policy from 87.7 to 91.7 PDMS. Using the same checkpoint without additional training, RefineDrive achieves 89.4 EPDMS on the original NAVTEST scenes evaluated with NAVSIM v2 extended metrics. Controlled ablations support the benefits of structured diagnosis supervision, retrieved corrections, and safety-layered optimization for direct planning.
• Abstract（参考訳）: 自動運転のためのVLA(Vision-Language-Action)モデルは、専門家によるデモンストレーションの成功に大きく依存しており、モデル固有の失敗は未公開のままである。 これらの失敗から学ぶことは、信頼性の低い診断、不一致の修正ターゲット、粗い報酬によって妨げられる。 本研究では,自己生成障害から学習する障害誘導後学習フレームワークであるRefineDriveを提案する。 信頼性のある診断は、シミュレーション状態から直接、衝突や乾燥可能な領域違反に対する構造的、検証可能なフィードバックを導き出す。 最小補正ターゲット検索は、現在のシーンにおけるハードセーフティ制約を満たす近くの補正のために、クラスタ化された人間の軌道バンクを探索し、失敗する予測の動作パターンの保存を優先する。 運転コンテキストと軌道障害に基づいて、補正SFTは、トレーニング専用補助タスクとして、取得した補正を伴って診断を生成することを学習する。 次に,安全軌道を厳格に優先順位付けし,安全軌道と安全軌道の両方に対する継続的な安全フィードバックを維持し,安全軌道を満足した後にのみ前進を加速するGRPOを適用した。 推測において、ポリシーは、明示的な診断や修復の段階を伴わずに、運転コンテキストからの軌跡を直接予測する。 NAVSIM v1では、RefineDriveは4BベースのSFTポリシーを87.7から91.7 PDMSに改善した。 追加のトレーニングなしで同じチェックポイントを使用して、RefineDriveはNAVSIM v2拡張メトリクスで評価された元のNAVTESTシーンで89.4 EPDMSを達成した。 制御された改善は、構造化診断監督、復元された修正、および直接計画のための安全層最適化の利点をサポートする。

関連論文リスト

• Self-Aware Active Learning Enables Continual Improvement in Autonomous Driving [12.669051115615176]
  SAGE(Self-Aware Guided Exploring)は、自動運転の訓練後適応のためのアクティブな学習フレームワークである。 好奇心は、脅威に対する介入しきい値を適応的に調整し、エージェントがコンテキスト依存的な方法でリスクを規制できるようにする。 Fearは、パフォーマンスのレグレッションを減らすために、安全指向の制約としてポリシー最適化と評価に統合されている。
  論文  参考訳（メタデータ） (2026-08-30T13:01:32Z)
• Mission-Level Runtime Assurance Framework for Autonomous Driving [1.76179873429447]
  本稿では,高レベル運転コマンドが故障したり信頼性が低下した場合の自律運転のランタイム安全性について検討する。 車両の即時安全性に重点を置いている従来のランタイムセーフティアプローチとは異なり、提案手法は運転安全性と、コマンドの実行前にその車両がまだミッションを完了できるかどうかを評価できる。
  論文  参考訳（メタデータ） (2026-06-05T07:35:10Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• Learning from Mistakes: Post-Training for Driving VLA with Takeover Data [22.44026866655379]
  TakeVLAは、2つの補完的なイノベーションを通じて欠点を克服する新しいVLAポストトレーニングフレームワークである。 まず,VLAが積極的に誤りから学ぶことができるような,占領前言語指導を導入する。 第2に,再建された乗っ取りシナリオで動作する強化微調整パラダイムであるScenario Dreamingを提案する。
  論文  参考訳（メタデータ） (2026-03-16T08:33:48Z)
• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• ReflexDiffusion: Reflection-Enhanced Trajectory Planning for High-lateral-acceleration Scenarios in Autonomous Driving [14.885968822668824]
  ReflexDiffusionは、反射調整により拡散に基づく軌道プランナーを強化する推論段階のフレームワークである。 最先端(SOTA)法よりも14.1%向上した。
  論文  参考訳（メタデータ） (2026-01-14T11:03:29Z)
• Failure Analysis of Safety Controllers in Autonomous Vehicles Under Object-Based LiDAR Attacks [0.0]
  本稿では,高速道路走行シナリオにおけるオブジェクトベースLiDAR攻撃時の安全制御装置の系統的故障解析について述べる。 その結果、LiDAR誘導の物体幻覚は、たとえ短い期間であっても、安全でないブレーキ、実際の危険に対する遅延反応、不安定な制御行動を引き起こすことが示されている。
  論文  参考訳（メタデータ） (2025-12-23T22:05:32Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
  本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。 Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-05-23T09:22:19Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)

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。