論文の概要: Efficient Multi-Modal Planning with Reward-Guided Preference Optimization for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2609.38862v1
- Date: Wed, 30 Sep 2026 03:17:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.080926
- Title: Efficient Multi-Modal Planning with Reward-Guided Preference Optimization for Autonomous Driving
- Title（参考訳）: Reward-Guided Preference Optimization を用いた自律運転のための効率的なマルチモーダル計画
- Abstract要約: EMPlanは報酬誘導微調整を利用した効率的なマルチモーダル軌道計画法である。
我々は、非反応性NAVSIMベンチマークでEMPlanを評価し、計画精度と効率のバランスをとる。
- 参考スコア（独自算出の注目度）: 14.02135951788531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe and efficient trajectory planning is essential in autonomous driving. However, existing end-to-end approaches often fall short in both computational efficiency and safety guarantees. Methods based on imitation learning suffer from causal confusion, while rule-based scoring approaches often incur heavy computational overhead and suffer from objective misalignment. Additionally, preference-based methods rely on strict pairwise annotations, limiting data utilization. To overcome these limitations, we propose EMPlan, an efficient multi-modal trajectory planning method powered by reward-guided fine-tuning. We design a hybrid architecture that combines sparse anchors with an offset refinement module for efficient multi-modal trajectory prediction. Sparse anchors provide coarse trajectory candidates with low latency, which are subsequently refined by the offset module for higher prediction accuracy. To enhance safety without incurring additional inference costs, we adopt a two-stage training paradigm consisting of pretraining and reward-guided fine-tuning. During fine-tuning, we leverage rule-based reward signals and unpaired preference supervision to refine the pretrained policy toward safer trajectory selection. We evaluate EMPlan on the non-reactive NAVSIM benchmark, where it strikes a favorable balance between planning accuracy and efficiency, demonstrating superior performance under real-time constraints.
- Abstract（参考訳）: 自律運転には安全で効率的な軌道計画が不可欠である。
しかし、既存のエンドツーエンドアプローチは、計算効率と安全性の保証の両方において不足することが多い。
模倣学習に基づく手法は因果的混乱に悩まされる一方、ルールに基づくスコアリングアプローチは、しばしば計算上のオーバーヘッドを発生させ、客観的なミスアライメントに悩まされる。
さらに、嗜好ベースのメソッドは厳密なペアワイズアノテーションに依存し、データ利用を制限する。
これらの制限を克服するために,報酬誘導微調整を利用した効率的なマルチモーダル軌道計画法であるEMPlanを提案する。
我々は,スパースアンカーとオフセット改良モジュールを組み合わせたハイブリッドアーキテクチャを設計し,効率的なマルチモーダル軌道予測を行う。
スパースアンカーは、低レイテンシで粗い軌道候補を提供し、その後オフセットモジュールによって改善され、予測精度が向上する。
追加の推論コストを発生させることなく安全性を高めるため,プレトレーニングと報酬誘導による微調整からなる2段階の訓練パラダイムを採用した。
微調整中、ルールベースの報酬信号と未選択の選好監督を利用して、事前訓練されたポリシーをより安全な軌道選択に向けて洗練する。
我々は,非反応性NAVSIMベンチマークでEMPlanを評価し,計画精度と効率のバランスを良好に保ち,実時間制約下での優れた性能を示す。
関連論文リスト
- Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling [7.761673975696802]
シングルロボット運動計画(SRMP)は、複雑な制約と計算上の制限の下で困難である。
最近のモデルベース拡散(MBD)はSRMPをリキャストし、後方拡散軌道からサンプルを誘導する。
提案手法は, 安全・成功率の向上, 収束の高速化, 最終コストの低減を実現している。
論文 参考訳（メタデータ） (2026-07-16T01:04:32Z) - World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。
内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。
nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
論文 参考訳（メタデータ） (2026-07-12T07:44:16Z) - Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions [1.3299507495084417]
本稿では,無人航空機(UAV)と無人地上航空機(UGV)のハンドオーバミッションのための学習用軌道計画フレームワークを提案する。
本稿では,デカップリング型エンコーダ・デコーダ長短期メモリ(LSTM)ネットワークを用いたニューラルサロゲートプランナを提案する。
ベンチマーク評価は、学習強化計画フレームワークが3倍以上のスピードアップと100%の最適化成功率を達成することを示した。
論文 参考訳（メタデータ） (2026-05-19T09:07:59Z) - TMPO: Trajectory Matching Policy Optimization for Diverse and Efficient Diffusion Alignment [52.570581883709345]
本稿では,報酬を人間レベルの報酬分布マッチングに置き換えるトラジェクティブマッチングポリシバランス最適化(TMPO)を提案する。
TMPOは最先端の手法に対する生成的多様性を9.1%向上させ、下流および効率の指標で競合性能を達成する。
大規模フロープレフィックスのマルチトラックトレーニング時間を短縮するため、TMPOはDynamic Tree Smplingモデルを導入し、動的にスケジュールされたステップでトラジェクトリがdenoisingとブランチを共有する。
論文 参考訳（メタデータ） (2026-05-09T04:41:02Z) - HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。
我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-04T04:12:47Z) - PlannerRFT: Reinforcing Diffusion Planners through Closed-Loop and Sample-Efficient Fine-Tuning [17.21182051618103]
拡散に基づくプランナーは、自動運転における人間のような軌道生成の有望なアプローチとして現れてきた。
最近の研究は拡散プランナーの堅牢性を高めるために強化微調整を取り入れている。
拡散型プランナのための試料効率強化微調整フレームワークPlannerRFTを提案する。
論文 参考訳（メタデータ） (2026-01-19T09:56:05Z) - 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) - Unified Path Planner with Adaptive Safety and Optimality [20.37811669228711]
Unified Path Planner (UPP) は、動的安全コストを組み込んだ改良された障害物関数を利用するグラフ検索ベースのアルゴリズムである。
UPPは高い成功率を達成し、従来のA*よりもわずかにコストが増大し、最適に近い経路を生成する。
論文 参考訳（メタデータ） (2025-05-29T07:34:56Z) - 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) - Learning to Initialize Trajectory Optimization for Vision-Based Autonomous Flight in Unknown Environments [4.0543433786183485]
未知環境における自律飛行のためのニューラル・エンハンスト・トレイ・プランナー(NEO-Planner)を提案する。
NEO-Plannerは、生のセンサー観測から直接軌道の空間的および時間的パラメータを予測することを学ぶ。
最適化を20%削減し、純粋な最適化手法と比較して軌道時間も26%減少する。
論文 参考訳（メタデータ） (2023-09-19T15:07:26Z)
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。