論文の概要: Radar2Plan: Benchmarking 4D Radar for End-to-End Open-Loop Ego-Trajectory Planning

• arxiv url: http://arxiv.org/abs/2610.06121v1
• Date: Mon, 05 Oct 2026 10:52:08 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:10:18.447855
• Title: Radar2Plan: Benchmarking 4D Radar for End-to-End Open-Loop Ego-Trajectory Planning
• Title（参考訳）: Radar2Plan: エンドツーエンドオープンループエゴ軌道計画のためのベンチマーク4Dレーダ
• Abstract要約: 逆天候と照明の悪さは、モバイル自律性における堅牢なエゴ軌道計画の大きな課題である。 実世界の4Dレーダデータを用いたオープンループエゴ軌道計画のためのモジュラーベンチマークであるRadar2Planを提案する。
• 参考スコア（独自算出の注目度）: 10.24077900718672
• License:
• Abstract: Adverse weather and poor illumination remain major challenges for robust ego-trajectory planning in mobile autonomy. 4D radar offers reliable sensing under adverse conditions and direct radial-velocity measurements. However, sensing robustness does not necessarily translate into robust downstream planning, while existing 4D radar benchmarks focus primarily on perception rather than trajectory planning. We present Radar2Plan, a modular benchmark for open-loop ego-trajectory planning using real-world 4D radar data. Radar2Plan connects sensor encoders, scene representations, and planning heads through common interfaces, enabling controlled comparisons between different sensor and planner configurations. Using DSERT-RoLL and MAN TruckScenes, we evaluated seven combinations of camera, 4D radar, and LiDAR in four representative planning baselines and 12 weather and illumination conditions under a unified protocol. To our knowledge, Radar2Plan is the first benchmark dedicated to evaluating real-world 4D radars for autonomous driving planning. Experiments show that 4D radar alone supports competitive ego-trajectory planning and robust performance under adverse conditions. Sensor-configuration comparisons further demonstrate its complementary value to other modalities, while revealing dependencies on sensor combination and planning architecture. The modular design also supports additional datasets, sensing modalities, and planners, providing a flexible foundation for future research on radar-based autonomous driving planning.
• Abstract（参考訳）: 逆天候と照明の悪さは、モバイル自律性における堅牢なエゴ軌道計画の大きな課題である。 4Dレーダーは、悪条件下での信頼性の高いセンシングと、直接放射速度測定を提供する。 しかし、ロバストさの感知は必ずしも下流のロバストな計画に必ずしも変換されないが、既存の4Dレーダベンチマークは軌道計画よりも知覚に重点を置いている。 実世界の4Dレーダデータを用いたオープンループエゴ軌道計画のためのモジュラーベンチマークであるRadar2Planを提案する。 Radar2Planは、センサーエンコーダ、シーン表現、計画ヘッドを共通のインターフェースを介して接続し、異なるセンサーとプランナー構成間の制御された比較を可能にする。 DSERT-RoLLとMAN TruckScenesを用いて,4つの代表的な計画ベースラインにおけるカメラ,4Dレーダ,LiDARの組み合わせと12の気象および照明条件を統一的プロトコルで評価した。 私たちの知る限り、Radar2Planは、自動運転計画のための現実世界の4Dレーダーを評価するための最初のベンチマークです。 実験の結果, 4次元レーダーは, 競合するエゴ軌道計画と, 悪条件下での頑健な性能を単独で支援していることがわかった。 センサ構成の比較は、センサーの組み合わせと計画アーキテクチャへの依存を明らかにしながら、他のモダリティと相補的な価値をさらに示す。 モジュラーデザインはまた、追加のデータセット、モダリティの検知、プランナーをサポートし、レーダーベースの自動運転計画に関する将来の研究のための柔軟な基盤を提供する。

関連論文リスト

• Radar4D-VLM: Proposal-Grounded Temporal 4D Radar Reasoning Across Frozen Language Models [11.640975138247557]
  本稿では、自律走行のためのレーダのみの時間視覚言語モデルであるRadar4D-VLMを紹介する。 Radar4D-VLMは、幾何学的に接地されたオブジェクトの提案を抽出し、レーダー証拠をオブジェクト、シーン、キネマティックトークンのコンパクトな階層に整理する。 シーケンシャルに分離されたK-Radar開発検証では、トップ64の提案リコールは98.13%に達し、それぞれ6.40ポイントと22.83ポイントの固定格子と一様ランダム制御を超えた。
  論文  参考訳（メタデータ） (2026-08-04T18:32:16Z)
• DSERT-RoLL: Robust Multi-Modal Perception for Diverse Driving Conditions with Stereo Event-RGB-Thermal Cameras, 4D Radar, and Dual-LiDAR [66.23438033222963]
  DSERT-RoLLは、ステレオイベント、RGB、サーマルカメラを4DレーダーとデュアルLiDARと組み合わせた駆動データセットである。 データセットは正確な2Dおよび3Dバウンディングボックスを提供し、トラックIDとエゴ車両のオドメトリーを提供する。
  論文  参考訳（メタデータ） (2026-04-04T11:03:16Z)
• V2X-Radar: A Multi-modal Dataset with 4D Radar for Cooperative Perception [61.58737390490639]
  V2X-Radarは、4Dレーダを特徴とする世界初の大規模実世界のマルチモーダルデータセットである。 データセットは20KのLiDARフレーム、40Kのカメライメージ、350Kの注釈付きボックスを含む20Kの4Dレーダデータで構成されている。 様々な研究領域をサポートするために, 協調認識のためのV2X-Radar-C, 路面認識のためのV2X-Radar-I, 単車知覚のためのV2X-Radar-Vを確立した。
  論文  参考訳（メタデータ） (2024-11-17T04:59:00Z)
• V2X-R: Cooperative LiDAR-4D Radar Fusion with Denoising Diffusion for 3D Object Detection [64.93675471780209]
  我々は、LiDAR、カメラ、および4Dレーダを取り入れた初のシミュレーションV2XデータセットであるV2X-Rを提案する。 V2X-Rには12,079のシナリオがあり、LiDARと4Dレーダーポイント雲の37,727フレーム、150,908の画像、170,859の注釈付き3D車両バウンディングボックスがある。 本稿では,3次元物体検出のための新しいコラボレーティブLiDAR-4Dレーダ融合パイプラインを提案し,様々な融合戦略を用いて実装する。
  論文  参考訳（メタデータ） (2024-11-13T07:41:47Z)
• MVFAN: Multi-View Feature Assisted Network for 4D Radar Object Detection [15.925365473140479]
  4Dレーダーは、悪天候下での弾力性と費用対効果が認められている。 LiDARやカメラとは異なり、レーダーは厳しい気象条件で損傷を受けないままである。 本稿では,自律走行車のためのレーダーによる3次元物体検出手法を提案する。
  論文  参考訳（メタデータ） (2023-10-25T06:10:07Z)
• Dual Radar: A Multi-modal Dataset with Dual 4D Radar for Autonomous Driving [22.633794566422687]
  本稿では,2種類の4Dレーダを同時に捕捉した大規模マルチモーダルデータセットについて紹介する。 データセットは151連続して作成され、その大部分は20秒で、10,007の微妙な同期と注釈付きフレームを含んでいる。 我々はデータセットを実験的に検証し、異なる種類の4Dレーダーの研究に有用な結果を提供する。
  論文  参考訳（メタデータ） (2023-10-11T15:41:52Z)
• R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of Dynamic Scenes [69.6715406227469]
  駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。 本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
  論文  参考訳（メタデータ） (2021-08-10T17:57:03Z)

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。