論文の概要: Taming an End-to-End Autonomous Driving Policy for Urban Navigation of Quadruped Robots

• arxiv url: http://arxiv.org/abs/2610.08812v1
• Date: Wed, 23 Sep 2026 06:55:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.540277
• Title: Taming an End-to-End Autonomous Driving Policy for Urban Navigation of Quadruped Robots
• Title（参考訳）: 四輪ロボットの都市ナビゲーションにおけるエンド・ツー・エンド自律運転政策の取り組み
• Abstract要約: 四足歩行ロボットを用いた都市ナビゲーションのためのエンド・ツー・エンドの自動運転軌道計画フレームワークであるDrivoRの目標条件付き適応であるGo2-DrivoRを提案する。
• 参考スコア（独自算出の注目度）: 7.64551645837244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Go2-DrivoR, a goal-conditioned adaptation of the end-to-end autonomous driving trajectory planning framework DrivoR for urban navigation with quadrupedal robots. By conditioning trajectory generation on a local-frame subgoal through a goal token and adapting the vehicle-centric scoring formulation, the method extends DrivoR to short-horizon goal-conditioned local planning without redesigning its core decoders. Specifically, we redefine drivable-area compliance for sidewalk-oriented navigation and reformulate the original ego progress term as goal-conditioned ego progress. Trained exclusively on TartanGround simulation data, Go2-DrivoR improves waypoint-conditioned planning performance on unseen simulation environments and transfers zero-shot to open-loop real-world trajectory prediction.
• Abstract（参考訳）: 四足歩行ロボットを用いた都市ナビゲーションのためのエンド・ツー・エンドの自動運転軌道計画フレームワークであるDrivoRの目標条件付き適応であるGo2-DrivoRを提案する。 目標トークンを介して局所フレームサブゴールに軌道生成を条件付け、車両中心のスコアリング定式化を適用することにより、コアデコーダを再設計することなく、短地ゴール条件のローカルプランニングにDrivoRを拡張する。 具体的には,歩道指向ナビゲーションにおけるドライビング可能なエリアコンプライアンスを再定義し,目標条件付きエゴプログレスとしてオリジナルのエゴプログレス項を再構成する。 Go2-DrivoRは、TartanGroundシミュレーションデータのみに基づいて、見えないシミュレーション環境におけるウェイポイント条件のプランニング性能を改善し、ゼロショットをオープンループの現実世界の軌道予測に転送する。

関連論文リスト

• GUIDE: Goal-Initialized Directional Understanding for End-to-End Visual Navigation [22.535896749415627]
  GUIDEは、完全にエンドツーエンドの強化学習フレームワークであり、内部の方向性の認識を育むために設計されている。 本研究では,四足歩行ロボットにおけるシミュレーションと実世界のシナリオの双方にまたがって提案した枠組みを評価する。 実験の結果、GUIDEは信頼性の高いエゴモーションと方向性の認識を学習し、完全なエンドツーエンドのデプロイポリシーを可能にすることがわかった。
  論文  参考訳（メタデータ） (2026-06-09T13:19:30Z)
• PLAN-S: Bridging Planning with Latent Style Dynamics for Autonomous Driving World Models [11.0972429896041]
  本稿では,PLAN-S(PLANning with Latent Style dynamics)を提案する。 PLAN-Sは様々なコストマップを生成し、空間的に一貫した変動が異なる運転スタイルに一致している。
  論文  参考訳（メタデータ） (2026-06-04T11:03:20Z)
• Temporally-Sampled Efficiently Adaptive State Lattices for Autonomous Ground Robot Navigation in Partially Observed Environments [2.2188568806866287]
  従来の自律型ナビゲーションアーキテクチャでは、地域移動プランナーが環境マップを消費し、ローカル移動プランナーが参照として使用する軌道を出力する。 我々は,現在生成されている軌道に対して,従来生成された軌道の更新および最適化されたバージョンを検討するために,TSEASL(Temporally-Sampiently Adaptive State Lattices)を提案する。 その結果、TSEASLを走らせる際には、ロボットがベースラインプランナーを走らせている場所と同じ場所に手動で介入する必要がなくなった。
  論文  参考訳（メタデータ） (2026-02-13T18:14:56Z)
• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution [96.25314747309811]
  将来的なシーンの進化と軌道計画を共同でモデル化する,新たなエンドツーエンドフレームワークであるSeerDriveを紹介する。 本手法はまず,周辺環境の動態を予測するために,将来の鳥眼ビュー(BEV)の表現を予測する。 2つの重要な要素がこれを可能にする:(1)予測されたBEV機能を軌道プランナーに注入する将来対応計画、(2)反復的なシーンモデリングと車両計画。
  論文  参考訳（メタデータ） (2025-10-13T07:41:47Z)
• Pioneering SE(2)-Equivariant Trajectory Planning for Automated Driving [45.18582668677648]
  制御されたエゴ車両の軌道を計画することは、自動走行において重要な課題である。 本稿では,全車両に対して多モード共同予測を生成する軽量同変計画モデルを提案する。 また,車載GPSナビゲーションシステムによって提供される高水準経路に沿って,エゴ車両を誘導する等変経路アトラクションを提案する。
  論文  参考訳（メタデータ） (2024-03-17T18:53:46Z)
• PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
  PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。 我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
  論文  参考訳（メタデータ） (2023-11-14T11:53:24Z)
• Integrating Higher-Order Dynamics and Roadway-Compliance into Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
  軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。 既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。 このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
  論文  参考訳（メタデータ） (2023-09-25T22:30:18Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。