論文の概要: FPD-Drive: Future Policy Distillation for End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2610.13232v1
• Date: Fri, 09 Oct 2026 08:50:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.48309
• Title: FPD-Drive: Future Policy Distillation for End-to-End Autonomous Driving
• Title（参考訳）: FPD-Drive: エンド・ツー・エンド自動運転の未来政策
• Abstract要約: 我々は、特権付き将来の知識を視覚駆動ポリシーに蒸留するエンド・ツー・エンドのプランナーであるFPD-Driveを提案する。 具体的には,教師から多様な,高品質な軌道目標を伝達するために,Future-Privileged Multi-Target Distillationを導入する。 候補選択には、近隣の安全候補と安全でない候補のランキング誤差を補正するセーフティ・アウェア・スコア補正を導入する。
• 参考スコア（独自算出の注目度）: 60.94017457617759
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: End-to-end autonomous driving models are typically trained on real-world driving logs, which record only the trajectory actually executed in each scene. This provides limited supervision for learning alternative valid behaviors. Multi-target supervision can mitigate this limitation, but broader trajectory coverage makes safe candidate selection more challenging. We propose FPD-Drive, an end-to-end planner that distills privileged future knowledge into a visual driving policy to improve both multi-trajectory supervision and safety selection. Specifically, we introduce Future-Privileged Multi-Target Distillation to transfer diverse, high-quality trajectory targets from a teacher with access to recorded future observations to the student. These targets extend supervision beyond the single recorded human trajectory. For candidate selection, we further introduce Safety-Aware Score Correction to correct ranking errors between nearby safe and unsafe candidates and raise underestimated safety scores of safe candidates. At deployment, the student requires neither future observations nor teacher inference. Our base model achieves 94.9 PDMS on NAVSIM v1 navtest and 55.9 EPDMS on NAVSIM v2 navhard. The scaled FPD-Drive-Pro improves these scores to 95.5 PDMS and 58.1 EPDMS, respectively, achieving SOTA performance among the compared methods on both benchmarks. Zero-shot closed-loop evaluation on HUGSIM further yields an HD-Score of 45.1 and RC of 55.3.
• Abstract（参考訳）: エンド・ツー・エンドの自動運転モデルは通常、実世界の走行記録に基づいて訓練され、各シーンで実際に実行される軌跡のみを記録する。 これは、代替の有効な行動を学ぶための限られた監督を提供する。 マルチターゲット監視は、この制限を緩和することができるが、より広い軌道範囲は、安全な候補選択をより困難にしている。 我々は,多軌道監視と安全選択の両面を改善するために,特権付き将来の知識を視覚駆動ポリシーに蒸留するエンド・ツー・エンドのプランナーであるFPD-Driveを提案する。 具体的には,教師が将来の観測記録にアクセス可能な多種多様な軌道目標を学生に伝達するために,Future-Privileged Multi-Target Distillationを導入する。 これらの標的は、記録された1つの人間の軌道を超えて監督を延長する。 候補選択には、近隣の安全候補と非安全候補のランク付け誤りを補正し、過小評価された安全候補の安全性スコアを上げる安全意識スコア補正を導入する。 配備時には、将来の観察も教師の推測も必要としない。 NAVSIM v1 navtestでは94.9 PDMS、NAVSIM v2 navhardでは55.9 PDMSを実現した。 スケールされたFPD-Drive-Proはこれらのスコアを95.5 PDMSと58.1 EPDMSに改善し、両方のベンチマークで比較した手法でSOTAのパフォーマンスを達成した。 HUGSIMのゼロショット閉ループ評価により、HDスコアは45.1、RCは55.3となる。

関連論文リスト

• RefineDrive: Reliable Failure-Guided Learning for Vision-Language-Action Driving [16.68571039427634]
  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。
  論文  参考訳（メタデータ） (2026-09-28T13:01:25Z)
• Test-Time Trajectory Optimization for Autonomous Driving [77.87162309994567]
  自動運転のためのエンド・ツー・エンドのプランナーは、通常、一連の候補軌跡を生成し、それぞれをスコアし、最高スコアの候補を返す。 我々は、スコアラを学習軌跡レベルの報酬関数として扱い、それを最大化する軌跡を探索する。 提案手法であるTOAD(Cross-Entropy Method:クロスエントロピー法)をテスト時に実行し,プランナーの提案からウォームスタートする。
  論文  参考訳（メタデータ） (2026-06-05T11:39:27Z)
• ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving [63.980630608984605]
  本稿では、ゼロサムマルコフゲームとして、駆動ポリシー(ディフェンダー)と敵エージェント(アタックラー)の相互作用を扱うクローズドループのmin-max最適化フレームワークであるADV-0を提案する。 これを実現するため,我々は動的敵の進化を反復的な選好学習とし,この最適性を効率的に近似し,アルゴリズムに依存しない解をゲームに提供する。 実験により、多様な安全クリティカルな障害を効果的に露呈し、学習方針と運動プランナーの両方の一般化可能性を大幅に向上させることが示されている。
  論文  参考訳（メタデータ） (2026-03-16T12:58:31Z)
• DriveDPO: Policy Learning via Safety DPO For End-to-End Autonomous Driving [31.336758241051374]
  DriveDPOは、安全指向最適化政策学習フレームワークである。 我々は、直接政策最適化のために、人間の模倣類似性とルールに基づく安全スコアから統一されたポリシー分布を蒸留する。 NAVSIMベンチマークの実験では、DriveDPOは90.0の最先端PDMSを達成した。
  論文  参考訳（メタデータ） (2025-09-22T16:01:11Z)
• DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning [43.284391163049236]
  DriveSuprimは、自動運転車の軌道選択のための選択に基づくパラダイムである。 衝突回避や規則の遵守など、最先端のパフォーマンスを実現する。 様々な運転シナリオにおいて高い軌道品質を維持する。
  論文  参考訳（メタデータ） (2025-06-07T04:39:06Z)
• 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)
• ComDrive: Comfort-Oriented End-to-End Autonomous Driving [29.635377468912534]
  ComDriveは、快適なエンドツーエンドの自動運転システムである。 時間的に一貫性があり、快適な軌道を生成する。 ComDriveは、快適さと安全性の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-10-07T14:06:16Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
  軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。 近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。 我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2021-04-16T17:58:56Z)

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。