論文の概要: Race to Recovery: Designing Advanced Safety Systems for Autonomous Driving via Learning Autonomous Racing

• arxiv url: http://arxiv.org/abs/2610.20873v1
• Date: Wed, 14 Oct 2026 20:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.053264
• Title: Race to Recovery: Designing Advanced Safety Systems for Autonomous Driving via Learning Autonomous Racing
• Title（参考訳）: レース・トゥ・リカバリ:自律走行学習による高度な安全システムの設計
• Abstract要約: 我々は、時間-最適操作として漂流を学習する強化学習によるレースポリシーを訓練する。 位相平面基底の安定平衡に対して回復性を定義し,Gym-Khanaを導入して制御器の訓練と評価を行う。 初期の制御不能状態である294州全体で、移行された政策はスタンレー・パストラッカーよりも186.8%回復した。
• 参考スコア（独自算出の注目度）: 0.9176056742068813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicles that lose control at the handling limit through icing, hydroplaning, or an abrupt evasive maneuver fall outside the operating envelope of production safety systems such as electronic stability control, which focus on preventing instability rather than recovering from it. Expert drivers regain authority in these conditions by drifting. Existing autonomous recovery approaches are validated on idealized scenarios, define "recovered" states empirically and inconsistently, or rely on offline-planned trajectories rather than acting online. We address these gaps by first training a racing policy with reinforcement learning that learns drifting as a time-optimal maneuver, then adapting it to recovery through continued training with a minimum-time reward. We define recovery relative to a phase-plane-grounded stable equilibrium and introduce Gym-Khana for controller training and evaluation. Across 294 initial loss-of-control states, the transferred policy improves recovery by 186.8% over a Stanley path tracker and outperforms both a nonlinear model predictive controller and a recovery-only policy trained from scratch, while also recovering faster on states the baseline can already handle. An ablation shows that racing pretraining, rather than broader initial-state exposure alone, drives this gain. Deployed on a physical 1:10-scale F1TENTH vehicle using system identification, actuator-lag modelling, and domain randomization, the transferred policy outperforms Stanley on every tested loss-of-control state, including recovering 50% of the time from a hard state the baseline never recovers from.
• Abstract（参考訳）: アイシング、ハイドロプランング、または急激な回避操作によってハンドルの制限で制御を失う車両は、電子安定制御などの生産安全システムの動作エンベロープの外に落下する。 エキスパートドライバーはドリフトによってこれらの条件で権威を取り戻します。 既存の自律リカバリアプローチは、理想化されたシナリオで検証され、経験的かつ矛盾なく"回復"状態を定義したり、オンラインではなくオフラインで計画された軌道に依存したりする。 これらのギャップに対処するために、まず、時間的最適操作として漂流を学習する強化学習によるレースポリシーをトレーニングし、その後、最小限の報酬で継続的なトレーニングを通じて回復に適応する。 位相平面基底の安定平衡に対して回復性を定義し,Gym-Khanaを導入して制御器の訓練と評価を行う。 294以上の初期制御状態において、転送されたポリシーは、スタンレーパストラッカーよりも186.8%のリカバリを改善し、非線形モデル予測コントローラとスクラッチから訓練されたリカバリのみのポリシーの両方を上回り、ベースラインが既に扱える状態でもより高速にリカバリできる。 アブレーションは、レースの事前トレーニングが、より広範な初期状態の露出ではなく、この上昇を加速させることを示している。 システム識別、アクチュエータラグモデリング、ドメインランダム化を使用して物理的に1:10スケールのF1TENTH車両に展開され、転送されたポリシーは、テストされた制御不能状態のすべてでスタンレーを上回り、ベースラインが回復しないハード状態から50%の時間を回復する。

関連論文リスト

• AutoAgent0: An Agentic Runtime for Safe Closed-Loop Driving [61.924851163300076]
  エージェントランタイムとハーネスフレームワークであるAutoAgent0を導入し、既存の運転専門家に補完的な検出スキル、ルールベースのアクション検証、フィードバック駆動リカバリを付加する。 長距離および安全クリティカルシナリオにおけるシングルエキスパート実行に対する閉ループロバスト性の向上を実証した。
  論文  参考訳（メタデータ） (2026-10-13T17:59:50Z)
• 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)
• Does Fine-Tuning Undo Activation Steering? Behavioural Recovery Without Weight-Edit Reversal [0.8501439562218583]
  アクティベーションステアリングは、言語モデルの重みに直接組み込むことができる。 本研究は,5つの命令調整モデルにおけるリフレクション抑制とブレビティ誘導のための組込みステアリングの安定性について検討する。
  論文  参考訳（メタデータ） (2026-08-25T17:59:57Z)
• Agile Fall Recovery for Quadrotors with Bidirectional Thrust via Reinforcement Learning [8.39070114446824]
  本稿では、任意の地上姿勢から、軽量なオンボードセンサーのみを用いた安定ホバリングまで、四重項の自律的落下回復のためのRLベースのフレームワークを提案する。 限定的で信頼性の低いオンボードセンシングのみを使用して,明示的な状態推定を行うことなく,アジャイルの4倍体フォールリカバリを実現することができることを示す。
  論文  参考訳（メタデータ） (2026-06-15T10:15:10Z)
• From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving [56.30087557121323]
  AlignADVは学習性誘導型クローズドループ対向トレーニングフレームワークである。 敵のシナリオを解決可能で能力に整合したカリキュラムに変換する。 実験の結果、最大40.6%のトレーニングステップが短縮された。
  論文  参考訳（メタデータ） (2026-06-12T02:13:55Z)
• Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
  Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。 我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。 以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-05-18T08:45:24Z)
• Embedding Classical Balance Control Principles in Reinforcement Learning for Humanoid Recovery [1.0883174135300417]
  人間は転倒や回復不能な障害状態に対して脆弱であり、非構造化環境での実用性を制限する。 古典的バランス指標を埋め込むことにより、この制限に対処する統一的なRLポリシーを提案する。 このポリシーは、ランダム化された初期ポーズと記述されていないフォール設定で93.4%のリカバリ率を達成する。
  論文  参考訳（メタデータ） (2026-03-09T17:02:30Z)
• Expert Knowledge-driven Reinforcement Learning for Autonomous Racing via Trajectory Guidance and Dynamics Constraints [39.69523326789163]
  本稿では、自律走行のための誘導軌道と動的制約強化学習(TraD-RL)法を提案する。 提案手法は,テンペルホフ空港街路回路をモデルとした高忠実度シミュレーション環境において評価される。 実験の結果,TraD-RLは自動走行車のラップ速度と走行安定性の両方を効果的に改善することが示された。
  論文  参考訳（メタデータ） (2026-03-06T02:51:54Z)
• Instance-dependent Early Stopping [57.912273923450726]
  本稿では,早期停止機構をトレーニングセット全体からインスタンスレベルに適応させる,インスタンス依存早期停止(IES)手法を提案する。 IES は、損失値の2階差が 0 付近の小さな範囲に留まっている場合、インスタンスをマスタードとみなす。 IESは、モデルのテスト精度と転送学習性能を維持したり、わずかに改善したりしながら、バックプロパゲーションインスタンスを10%から50%削減することができる。
  論文  参考訳（メタデータ） (2025-02-11T13:34:09Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)

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。