論文の概要: DriveMLP: When Training Strategy Outperforms Model Complexity in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2610.29676v1
• Date: Wed, 21 Oct 2026 12:53:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.36378
• Title: DriveMLP: When Training Strategy Outperforms Model Complexity in Autonomous Driving
• Title（参考訳）: DriveMLP: 自動運転においてトレーニング戦略がモデル複雑性を上回る場合
• Abstract要約: 我々は、RLを純粋に最適化ツールとして利用する単純なクローズドループILフレームワークを、軌跡距離の報酬によって誘導する。 DriveMLPは、NUPlan Val14ベンチマークで86.51のスコアを獲得し、以前の最高のILプランナーよりも3.2ポイント改善された。
• 参考スコア（独自算出の注目度）: 64.99469334083021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning motion planning policies that remain reliable under closed-loop execution is a central challenge in Autonomous Driving (AD). Imitation Learning (IL) scales well to large AD datasets but suffers from distribution shift, causal confusion, and compounding errors under closed-loop execution. In contrast, Reinforcement Learning (RL) typically requires handcrafted rule-based rewards and massive simulation. We study a simple closed-loop IL framework that uses RL purely as an optimization tool, guided by a trajectory-distance reward derived from logged expert data. We refer to this training strategy as Expert-Guided RL (EGRL). Through a controlled empirical study we find evidence that the training procedure, rather than model size and complexity, accounts for a substantial part of the performance gains. We then introduce DriveMLP, a lightweight MLP policy trained with EGRL, as a simple instantiation of these findings. It achieves a score of 86.51 on the nuPlan Val14 Reactive benchmark, a +3.2 point improvement over the previous best IL planner (Flow Planner), with >15x faster inference. Code is available at: https://github.com/alessandro-canevaro/DriveMLP .
• Abstract（参考訳）: クローズドループ実行下で信頼性が保たれるモーションプランニングポリシの学習は、自律運転(AD)における中心的な課題である。 IL(Imitation Learning)は、大規模なADデータセットにうまくスケールするが、分散シフト、因果的混乱、クローズドループ実行時のエラーの複合に悩まされる。 対照的に、強化学習(Reinforcement Learning, RL)は通常、手作りのルールベースの報酬と大規模なシミュレーションを必要とする。 本稿では,RLを純粋に最適化ツールとして利用する単純なクローズドループILフレームワークについて検討する。 本稿では、このトレーニング戦略をExpert-Guided RL(EGRL)と呼ぶ。 制御された経験的研究を通じて、モデルのサイズや複雑さではなく、トレーニング手順がパフォーマンス向上のかなりの部分を占めているという証拠が得られます。 次に、これらの知見の簡易なインスタンス化として、EGRLでトレーニングされた軽量MLPポリシーであるDriveMLPを紹介する。 nuPlan Val14 Reactiveベンチマークで86.51のスコアを獲得し、以前の最高のILプランナー(Flow Planner)よりも3.2ポイント改善され、15倍高速な推論が可能になった。 コードは、https://github.com/alessandro-canevaro/DriveMLP で入手できる。

関連論文リスト

• EVOL: Simulator-Guided Evolutionary Expert Synthesis for Deployment-Free Learning Path Recommendation [2.3322477552758234]
  学習経路推薦のための強化学習(RL)は2つの障害に直面している。 まず、ポリシーは中間フィードバックなしで一連のL概念をコミットしなければならない。 第二に、専門家の学習経路はスパース・リワードRLの自然な治療法であるが、教育データには存在しない。 ロボット工学におけるシミュレータに基づく実演学習からレシピをインポートすることで、両方の障害に対処する。
  論文  参考訳（メタデータ） (2026-10-02T13:16:40Z)
• Just-In-Time Reinforcement Learning: Continual Learning in LLM Agents Without Gradient Updates [53.3717573880076]
  JitRL(Just-In-Time Reinforcement Learning、ジャスト・イン・タイム強化学習)は、テスト時間ポリシーの最適化を可能にするトレーニング不要のフレームワークである。 JitRLは、経験の動的で非パラメトリックな記憶を維持し、関連する軌跡を取得して、オンザフライでのアクションの利点を推定する。 WebArenaとJerrichoの実験では、JitRLがトレーニング不要メソッドの間に新しい最先端技術を確立していることが示されている。
  論文  参考訳（メタデータ） (2026-01-26T14:16:51Z)
• Beyond Accuracy: Dissecting Mathematical Reasoning for LLMs Under Reinforcement Learning [93.00629872970364]
  強化学習(Reinforcement Learning, RL)は, 複雑な推論タスクにおいて, 言語モデルの性能向上のための主要なパラダイムとなっている。 SPARKLE(SPARKLE)は、3つの重要な次元にわたるRLの効果を詳細に解析するフレームワークである。 我々は、RL信号と混合品質の推論トレースを産出しない難題が、依然としてトレーニングに有効であるかどうかを調査する。
  論文  参考訳（メタデータ） (2025-06-05T07:53:59Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
  本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。 複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。 実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
  論文  参考訳（メタデータ） (2023-06-27T17:58:39Z)
• Vision-Based Autonomous Car Racing Using Deep Imitative Reinforcement Learning [13.699336307578488]
  深層模倣強化学習(DIRL)は、視覚入力を使用してアジャイルな自律レースを実現する。 我々は,高忠実性運転シミュレーションと実世界の1/20スケールRC-car上での車載計算の制限により,本アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-18T00:00:48Z)
• Reinforcement Learning for Control of Valves [0.0]
  本稿では,非線形弁制御のための最適制御戦略として強化学習(RL)を提案する。 PID(proportional-integral-deivative)戦略に対して、統一されたフレームワークを用いて評価される。
  論文  参考訳（メタデータ） (2020-12-29T09:01:47Z)

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。