論文の概要: doPlan: A Variable-Horizon Dataset for Multi-Stage Language-Conditioned Planning in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.38028v1
• Date: Tue, 29 Sep 2026 17:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.773571
• Title: doPlan: A Variable-Horizon Dataset for Multi-Stage Language-Conditioned Planning in Autonomous Driving
• Title（参考訳）: doPlan: 自律運転における多段階言語設計計画のための可変水平データセット
• Abstract要約: doPlanは、永続的なタスクコンテキストとして乗客言語を研究するために設計された最初のデータセットである。 筆者らは、4つの言語条件駆動モデルを評価し、乗客言語に対する感度が要求された方向と一致した動作に確実に変換されないことを発見した。
• 参考スコア（独自算出の注目度）: 2.320327871677645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles interacting with passengers through natural language must reason beyond immediate commands. Passenger intent may span multiple stages of behavior, depend on future events, refer to surrounding agents or landmarks, and remain relevant as driving conditions evolve. Existing language-enabled driving datasets largely focus on short, localized interactions, leaving these longer-horizon forms of passenger intent comparatively underexplored. We introduce doPlan, to our knowledge the first publicly available, human-annotated real-world dataset designed to study passenger language as persistent task context. Built on nuPlan, doPlan contains 5,154 human-written passenger instructions spanning 169.1 hours of cumulative instruction-aligned context over 50.9 hours of unique driving, with annotation windows ranging from 30.0 to 508.8 s. The annotations capture immediate, deferred, event-conditioned, persistent, and multi-stage passenger intent. The dataset, annotation interface, and supporting resources are publicly available at https://github.com/Mi3-Lab/doPlan. We evaluate four language-conditioned driving models and find that sensitivity to passenger language does not reliably translate into behavior consistent with the requested direction. More broadly, among 2,161 examples with a matched future maneuver, the first associated maneuver occurs a median of 24.6 s after the evaluation point, and only 9.8% occur within the models' common 5 s prediction horizon. These findings highlight the need to connect persistent passenger intent with successive planning decisions. doPlan provides a setting for studying how unresolved goals can be retained, grounded in evolving scenes, and tracked across multiple stages, including how a planner determines when a future goal becomes relevant to the current plan.
• Abstract（参考訳）: 自然言語で乗客と対話する自動運転車は、即時命令以上の理由を示さなければならない。 乗客の意図は行動の複数の段階にまたがり、将来の出来事に依存し、周囲のエージェントやランドマークを参照し、運転条件が進化するにつれて関連性を維持する。 既存の言語対応の運転データセットは、主に短い局所的な相互作用に重点を置いており、これらの長い水平形状の乗客意図は比較的調査されていない。 doPlanを紹介します。私たちの知る限り、乗客言語を永続的なタスクコンテキストとして研究するために設計された、初めて公開された、人間に注釈を付けた実世界のデータセットです。 nuPlan上に構築されたdoPlanは、169.1時間の累積的な命令整列コンテキストを50.9時間、アノテーションウィンドウは30.0から508.8秒である。 アノテーションは、即時、遅延、イベント条件付き、永続的、多段階の乗客意図をキャプチャする。 データセット、アノテーションインターフェイス、サポートリソースはhttps://github.com/Mi3-Lab/doPlan.comで公開されている。 筆者らは、4つの言語条件駆動モデルを評価し、乗客言語に対する感度が要求された方向と一致した動作に確実に変換されないことを発見した。 より広範に、将来の操作にマッチした2,161例のうち、最初の関連する操作は評価点の後に24.6秒の中央値で発生し、モデルの一般的な5s予測水平線内ではわずか9.8%しか発生しない。 これらの知見は、持続的な乗客意図と連続的な計画決定を結びつける必要性を浮き彫りにしている。 doPlanは、未解決の目標がどのように維持され、進化するシーンに根ざされ、プランナーが将来の目標が現在の計画にいつ関係するかなど、複数のステージにわたって追跡されるかを研究するための設定を提供する。

関連論文リスト

• TravelPlanner: A Benchmark for Real-World Planning with Language Agents [63.199454024966506]
  我々は,旅行計画に焦点を当てた新しい計画ベンチマークであるTravelPlannerを提案する。 豊富なサンドボックス環境、400万近いデータレコードにアクセスするためのさまざまなツール、計画意図とリファレンスプランを慎重にキュレートした1,225のツールを提供する。 包括的評価では、現在の言語エージェントがそのような複雑な計画タスクを処理できないことが示されており、GPT-4でさえ0.6%の成功率しか達成できない。
  論文  参考訳（メタデータ） (2024-02-02T18:39:51Z)
• nuPlan: A closed-loop ML-based planning benchmark for autonomous vehicles [7.212066200339641]
  我々は,自動運転のための世界初のクローズドループMLベースの計画ベンチマークを提案する。 われわれは、米国とアジアの4都市から、1500hの人間の運転データによる高品質なデータセットを提供する。 我々は、NeurIPS 2021でデータセットをリリースし、2022年初頭からベンチマークの課題を整理する予定です。
  論文  参考訳（メタデータ） (2021-06-22T14:24:55Z)
• Large Scale Interactive Motion Forecasting for Autonomous Driving : The Waymo Open Motion Dataset [84.3946567650148]
  10万枚以上のシーンが10Hzで20秒に渡り、私たちの新しいデータセットには1750kmの道路上の570時間以上のユニークなデータが含まれています。 高精度な3d自動ラベルシステムを用いて,道路エージェント毎に高品質な3dバウンディングボックスを生成する。 シングルエージェントとジョイントエージェントの相互作用運動予測モデルの両方を総合的に評価する新しいメトリクスセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-20T17:19:05Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。