論文の概要: GRID-Planner: Graph-Structured Relational Reward Shaping for Diffusion Planning

• arxiv url: http://arxiv.org/abs/2610.21984v1
• Date: Thu, 15 Oct 2026 14:34:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.130648
• Title: GRID-Planner: Graph-Structured Relational Reward Shaping for Diffusion Planning
• Title（参考訳）: GRID-Planner:拡散計画のためのグラフ構造化リレーショナルリワード整形
• Abstract要約: 本稿では,グラフ再帰統合拡散計画フレームワークGRID-Plannerについて述べる。 具体的には、GRID-Plannerは、グラフ認識の重み付け、時間インデックス付きリレーショナルリレーショナルリレーショナルリターンサロゲート、およびオン・ポリティック自己蒸留による有利な拡散目標を組み合わせる。 nuPlanとinterPlanの実験では、拡散専用ベースラインと比較して、GRID-Plannerは衝突速度、車線偏差、ジャークをそれぞれ35.8%、60.8%、27.4%削減し、計画スコアを3.4改善している。
• 参考スコア（独自算出の注目度）: 6.069064717772055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving planning requires selecting trajectories that remain safe, rule-compliant, and comfortable under complex multi-agent interactions, yet robust closed-loop decision making in planning-critical scenes remains challenging. Existing diffusion- and RL-based planners often rely on generic rewards and use relational structure mainly for representation, limiting how planning-critical rollouts shape policy improvement. We present GRID-Planner, a graph--reward integrated diffusion planning framework that aligns generative planning with structured relational signals. Specifically, GRID-Planner combines graph-aware importance weighting, a time-indexed relational reward surrogate, and an advantage-weighted diffusion objective with on-policy self-distillation, forming a rollout-return-advantage-update loop without explicit likelihoods. Experiments on nuPlan and interPlan show that, compared with the diffusion-only baseline, GRID-Planner reduces collision rate, lane deviation, and jerk by 35.8\%, 60.8\%, and 27.4\%, respectively, and improves the planning score by 3.4\%. Project website: https://github.com/yangzhaojason/GRID-Planner.
• Abstract（参考訳）: 自律運転計画では、複雑なマルチエージェントインタラクションの下で安全で規則に準拠し、快適な軌道を選択する必要があるが、計画クリティカルなシーンにおける堅牢な閉ループ決定は依然として困難である。 既存の拡散型およびRLベースのプランナーは、しばしば一般的な報酬に頼り、主に表現のために関係構造を使用し、計画クリティカルなロールアウトが政策改善をいかに形作るかを制限する。 本稿では,グラフ・リワード統合拡散計画フレームワークGRID-Plannerについて述べる。 具体的には、GRID-Plannerはグラフ認識の重み付け、時間インデックス付きリレーショナルリレーショナルリレーショナルリターンサロゲート、および高利得拡散目標を、政治的自己蒸留と組み合わせ、ロールアウト・リターン・アドバンテージ更新ループを明確な可能性なく形成する。 nuPlanとinterPlanの実験では、拡散のみのベースラインと比較して、GRID-Plannerは衝突速度、車線偏差、ジャークをそれぞれ35.8\%、60.8\%、27.4\%減少させ、計画スコアを3.4\%改善している。 プロジェクトウェブサイト: https://github.com/yangzhaojason/GRID-Planner

関連論文リスト

• Plan-and-Patch: Diffusion Language Models for Agentic Planning [39.16270847998255]
  長距離エージェントのためのプラン・アンド・パッチフレームワークであるPlan-and-Patchを紹介する。 Plan-and-Patchは並列アンマキングによって構造化されたプログラムライクなプランを生成し、選択したリージョンに埋め込むことでそれを修復する。 以上の結果から,プラン・アンド・パッチ(Plan-and-Patch)は長期的エージェントにおいて,より高速な計画生成と効率的な計画修復のためのフレームワークを提供することが示された。
  論文  参考訳（メタデータ） (2026-10-07T18:45:45Z)
• G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance [44.0166619948181]
  自律運転において、拡散に基づくプランナーは、密集した対話的な交通におけるロバストな動き計画のための有望なパラダイムとして現れてきた。 既存のガイダンスは、通常、スパースでエンティティ中心の幾何学的クエリやポストホックの洗練に依存し、インタラクティブなシーンにおいて限られた認識と脆弱なパフォーマンスをもたらす。 G2DP(GuidedGrid-Guided Planning)は,経路時マップによる確率的将来の占領指導を融合させることにより,時間的費用の変動を図っている。 nuPlanの最先端のパフォーマンスを達成し、リアクティブトランスファーにおいて、最強の模倣学習ベースラインを+7.2ポイント上回る。
  論文  参考訳（メタデータ） (2026-06-24T16:38:55Z)
• DiG-Plan: Mitigating Early Commitment for Tool-Graph Planning via Diffusion Guidance [9.164732215651538]
  DiG-Planは、実行可能な改善を通じて多様なツールセットを生成するフレームワークであり、続いて依存性予測用のARリファインダーがある。 TaskBenchでは、DEG-PlanがARベースラインを10%の相対的マージンで改善し、複雑なコンポジションタスクのAPI-Bankの結果が最大の利益を示している。
  論文  参考訳（メタデータ） (2026-06-04T05:37:31Z)
• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• 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)
• WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving [15.996936632437992]
  シーン表現学習を計画と整合させる計画指向の潜在世界モデルフレームワーク WorldRFT を提案する。 WorldRFTは、3次元空間認識を改善するために視覚幾何学の基礎モデルを統合し、階層的計画タスク分解を用いて表現最適化を誘導し、計画指向の駆動ポリシーを導出するために、局所的認識反復改善を利用する。 WorldRFTは、オープンループのnuScenesとクローズループのNavSimベンチマークの両方で、最先端(SOTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T08:27:44Z)
• Extendable Long-Horizon Planning via Hierarchical Multiscale Diffusion [62.91968752955649]
  本稿では,学習データよりも長い軌道計画を行うための,拡張可能な長期計画支援エージェントの課題に対処する。 より短いものを縫い合わせることで、より長い軌跡を反復的に生成する拡張法を提案する。 HM-ディフューザーは階層構造を用いてこれらの拡張軌道を訓練し、複数の時間スケールにわたるタスクを効率的に処理する。
  論文  参考訳（メタデータ） (2025-03-25T22:52:46Z)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)

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。