論文の概要: DriveMind: Mind-Evolving Belief Tracking for Closed-Loop Autonomous Driving
- arxiv url: http://arxiv.org/abs/2610.32069v1
- Date: Fri, 23 Oct 2026 02:13:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.325756
- Title: DriveMind: Mind-Evolving Belief Tracking for Closed-Loop Autonomous Driving
- Title（参考訳）: DriveMind:クローズドループ自動運転のためのマインド進化型信念トラッキング
- Abstract要約: MLLMベースの運転フレームワークであるDriveMindを提案する。
粒子フィルタリングにインスパイアされたDriveMindは、各仮説をVLMを通して伝播し、現在の観測値に対してスコア付けし、多様性を維持するために再サンプリングする。
ベンチ2ドライブでは、同じ運転パイプラインに信念追跡を追加することで、運転スコア(DS)を68.50から81.37に改善し、成功率(SR)を41.36%から54.09%に改善した。
- 参考スコア（独自算出の注目度）: 15.722306904204125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent multimodal large language models (MLLMs) can perceive a traffic scene, reason about it, and propose a driving action within a single model. However, existing MLLM-based drivers reason from scratch at each frame and commit to a single explanation, discarding earlier hypotheses about the scene. When the scene is ambiguous, the agent locks in on the wrong interpretation and acts on it before evidence accumulates. In this paper, we propose DriveMind, an MLLM-based driving framework that keeps several hypotheses about the scene alive at the same time and updates their weights as new frames arrive. Inspired by particle filtering, DriveMind propagates each hypothesis through a VLM, scores it against the current observation, and resamples to maintain diversity. On Bench2Drive, adding belief tracking to the same driving pipeline improves the Driving Score (DS) from 68.50 to 81.37 and the Success Rate (SR) from 41.36% to 54.09%. The largest gains occur on ambiguous scenarios such as unsignalized intersections (+20.0 DS) and oncoming-traffic interactions (+20.5 DS). Beyond the overall metrics, DriveMind also improves fine-grained interactive driving abilities such as merging, emergency braking, and give-way.
- Abstract（参考訳）: 近年のマルチモーダルな大規模言語モデル(MLLM)は,交通シーンを知覚し,それを推論し,単一モデル内での運転動作を提案する。
しかし、既存のMLLMベースのドライバは、各フレームでスクラッチから推論し、1つの説明をコミットし、シーンに関する以前の仮説を捨てる。
シーンが曖昧な場合、エージェントは間違った解釈をロックインし、証拠が蓄積される前にそれを実行します。
本稿では,MLLMをベースとした駆動フレームワークであるDriveMindを提案する。
粒子フィルタリングにインスパイアされたDriveMindは、各仮説をVLMを通して伝播し、現在の観測値に対してスコア付けし、多様性を維持するために再サンプリングする。
ベンチ2ドライブでは、同じ運転パイプラインに信念追跡を追加することで、運転スコア(DS)を68.50から81.37に改善し、成功率(SR)を41.36%から54.09%に改善した。
最大の利得は、符号のない交叉(+20.0 DS)や対向交通相互作用(+20.5 DS)のような曖昧なシナリオで起こる。
全体的なメトリクスに加えて、DriveMindはマージ、緊急ブレーキ、ギブウェイなどの微粒な対話運転能力も改善している。
関連論文リスト
- DriveMotion: A Large-Scale Multi-Source Benchmark for Driver Motion Sequence Modeling and Forecasting [19.185390523777187]
連続運転動作予測のベンチマークであるDriveMotionを紹介する。
DriveMotionには、360度ドライバから10Hzで133キーポイントのモーションシーケンスが393時間含まれている。
我々は、CAN信号からオフラインで識別された車両操作の周囲に予測窓を設置し、動的アンコール評価を用いる。
論文 参考訳（メタデータ） (2026-09-08T01:49:18Z) - UniDrive: A Unified Vision-Language and Grounding Framework for Interpretable Risk Understanding in Autonomous Driving [9.909436526872133]
本稿では,自律運転におけるリスク理解のための統合型視覚言語と接地フレームワークを提案する。
UniDriveは、多フレーム視覚入力からシーンダイナミクスをモデル化する時間的推論ブランチと高解像度の知覚ブランチを組み合わせる。
実験の結果、UniDriveはキャプションとリスクオブジェクトのグラウンドの両方において、画像ベースとビデオベースのベースラインを上回ります。
論文 参考訳（メタデータ） (2026-06-23T16:17:39Z) - CausalDrive: Real-time Causal World Models for Autonomous Driving [60.66609721457312]
制御可能でリアルタイムなファンデーション駆動の世界であるCausalDriveを紹介します。
CaulDriveは、最初のフロントビューフレーム、エゴ車両の軌道、マクロテキストプロンプトのみで動作する。
本稿では,(1)衝突アーティファクトを著しく緩和した生成的クローズループ評価,(2)ビデオ2Rewardモジュールによる大規模強化学習(RL)後トレーニング,(3)リアルタイムの人間-イン-ザ・ループシミュレーション,の3つのダウンストリームアプリケーションにおける汎用性を実証する。
論文 参考訳（メタデータ） (2026-06-13T15:04:44Z) - LMGenDrive: Bridging Multimodal Understanding and Generative World Modeling for End-to-End Driving [60.31765454895336]
本稿では、マルチモーダル理解と生成世界モデルを組み合わせた、エンドツーエンドのクローズドループ駆動のための最初のフレームワークLMGenDriveを紹介する。
本稿では,視覚前訓練から多段階長距離運転に至るまでの3段階訓練戦略を提案し,安定性と性能の向上を図る。
論文 参考訳（メタデータ） (2026-04-09T19:13:14Z) - KLDrive: Fine-Grained 3D Scene Reasoning for Autonomous Driving based on Knowledge Graph [25.02776738838925]
我々は、自律運転におけるきめ細かい質問応答のための知識グラフ強化推論フレームワークであるKLDriveを紹介する。
2つの大規模自動運転QAベンチマークの実験では、KLDriveは最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2026-03-22T02:54:10Z) - VLM-AutoDrive: Post-Training Vision-Language Models for Safety-Critical Autonomous Driving Events [25.118024547769895]
VLM-AutoDrive(VLM-AutoDrive)は、トレーニング済みの視覚言語モデルを高忠実度異常検出に適用するためのモジュラーフレームワークである。
NVIDIAのCosmos-1 7B (CR1)のような市販のVLMはゼロショット設定でほぼゼロの衝突リコールを示す。
VLM-AutoDriveは、安全クリティカルで時間的ローカライズされた知覚タスクに汎用VLMを適用するためのスケーラブルなレシピを提供する。
論文 参考訳（メタデータ） (2026-03-18T18:23:34Z) - SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models [63.71984266104757]
我々は、構造化されていない知識と構造化されていない知識の両方を取り入れることで、MLLMベースの自動運転を強化するフレームワークであるSafeAutoを提案する。
安全知識を明示的に統合するため,交通ルールを一階述語論理に変換する推論コンポーネントを開発した。
我々のマルチモーダル検索・拡張生成モデルは、過去の運転経験から学ぶために、ビデオ、制御信号、環境特性を活用する。
論文 参考訳（メタデータ） (2025-02-28T21:53:47Z) - Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
自律運転におけるMLLM(Multimodal Large Language Models)の適用について検討する。
GPT-4oのようなモデルの開発は進んでいるが、複雑な運転環境における性能は未解明のままである。
論文 参考訳（メタデータ） (2024-05-09T17:52:42Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z)
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。