論文の概要: ExecDiffuser: Closing the Sample-to-Execution Gap in Diffusion Planning
- arxiv url: http://arxiv.org/abs/2610.36837v1
- Date: Tue, 27 Oct 2026 08:36:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.547169
- Title: ExecDiffuser: Closing the Sample-to-Execution Gap in Diffusion Planning
- Title（参考訳）: ExecDiffuser: 拡散計画におけるサンプル対実行ギャップの閉鎖
- Abstract要約: 本稿では,提案から実行までのフレームワークであるExecDiffuserについて紹介する。
ExecDiffuserは、最先端の強力なベースラインに対して、クローズドループのパフォーマンスをリードする。
- 参考スコア（独自算出の注目度）: 9.051482160765827
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative planners are often evaluated by the trajectories they can generate, although closed-loop driving ultimately depends on the single candidate committed to control. We identify this mismatch as the sample-to-execution gap and show that improving proposal quality alone can worsen the executed decision. Here, we introduce ExecDiffuser, a recurrent proposal-to-execution framework that couples candidate generation, trajectory selection, and subsequent replanning through shared execution semantics. Intent-Guided Diffusion Proposal (IGD) assigns hypothesis responsibility and shapes trajectories with execution-conditioned supervision. Execution-Grounded Selection (EGS) learns a candidate-conditioned publication utility, commits one trajectory to control, and returns it as context for the next planning cycle. Across nuPlan, InterPlan, and NAVSIM, ExecDiffuser achieves leading closed-loop performance against strong state-of-the-art baselines. Under a unified five-seed protocol, it obtains an average score of 85.62, improving over Diffusion Planner and FlowDrive by 4.02 and 1.31 points, respectively. On NAVSIM, it achieves 92.6 PDMS under the official evaluation pipeline. Matched counterfactual analysis further shows that ExecDiffuser more reliably converts strong candidates into committed decisions, while prefix interventions confirm that this advantage persists after physical execution and subsequent replanning.
- Abstract（参考訳）: 生成プランナーは、しばしば生成できる軌道によって評価されるが、クローズドループ駆動は最終的には制御にコミットされる単一の候補に依存する。
このミスマッチをサンプル・ツー・エグゼクティブのギャップとして認識し、提案品質の改善だけでは実行された決定を悪化させる可能性があることを示す。
ここでは、候補生成、軌道選択、そして、共有実行セマンティクスによるその後の再計画を結合する、反復的な提案から実行までのフレームワークであるExecDiffuserを紹介する。
Intent-Guided Diffusion Proposal (IGD)は、仮説の責任を割り当て、実行条件の監督を伴う軌道を形作る。
Execution-Grounded Selection (EGS)は、候補条件付き出版ユーティリティを学び、制御するための1つの軌道をコミットし、次の計画サイクルのコンテキストとして返す。
nuPlan、InterPlan、NAVSIMの他、ExecDiffuserは、最先端の強力なベースラインに対して、クローズループのパフォーマンスをリードする。
統合された5シードプロトコルでは、平均スコアは85.62で、Diffusion PlannerとFlowDriveをそれぞれ4.02ポイント、FlowDriveを1.31ポイント改善している。
NAVSIMでは、公式評価パイプラインの下で92.6PDMSを達成する。
一致したカウンターファクト分析により、ExecDiffuserは強い候補をより確実にコミット決定に変換する一方で、プレフィックスの介入は、この利点が物理的な実行とその後の再計画の後に持続することを確認する。
関連論文リスト
- Plans Are Not Executions: Adapting Frozen World-Model Planners to Controller-Induced Execution Shift [11.514437810429909]
ExecutionBridgeは、計画的に実行された軌道対からコントローラ固有の実行特性を推論する。
NAVSIMでは、ExecutionBridgeは、目に見えないコントローラ構成と複数のフリーズワールドモデルプランナ間のプランニングを一貫して改善している。
論文 参考訳（メタデータ） (2026-10-15T15:13:35Z) - Policy-Aligned Predictive Verification for Adaptive VLA Action-Chunk Execution [29.851693894969916]
視覚言語アクション(VLA)ポリシーは、繰り返し推論を減らすアクションシーケンスを生成する。
候補行動プレフィックスの結果を予測する政策整合予測検証器(PAV)を導入する。
提案手法は,VLAの内部タスク条件表現空間における既存の提案を評価する。
論文 参考訳（メタデータ） (2026-10-15T07:45:17Z) - Looking Back to Move Forward: Temporal Verification for Generative Robot Policies [53.428667457759055]
表現的生成行動モデリングと大規模実演コーパスからのスケーラブルな模倣学習を組み合わせた,ロボット学習のための有望なパラダイムとして生成ポリシーが登場した。
本稿では,フローマッチングVLAのための時空間認識型動作検証フレームワークTeVを紹介する。
論文 参考訳（メタデータ） (2026-09-30T05:41:58Z) - Recommendation World Models for Future-State Control [53.191633845200876]
我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。
UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。
本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
論文 参考訳（メタデータ） (2026-09-25T02:37:48Z) - Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。
我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。
オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文 参考訳（メタデータ） (2026-08-23T03:07:03Z) - 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) - TIER: Trajectory-Invariant Execution Rewards for Multi-Step Tool Composition [62.56752617853322]
アウトカムベースの報酬はスパースフィードバックのみを提供するが、トラジェクトリによる報酬は注釈付き参照ソリューションに依存している。
本稿では,関数スキーマと実行時実行を直接管理する報奨フレームワークであるtrajectory-Invariant Execution Rewardsを提案する。
論文 参考訳（メタデータ） (2026-05-16T03:47:26Z) - CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning [11.2767413780552]
CLOVERはエンドツーエンドの自動運転計画のためのフレームワークである。
ジェネレータは多様な候補軌道を生成し、スコアは計画値のサブスコアを予測する。
ジェネレータは教師が選択したトップ$とベクターParetoターゲットに洗練される。
論文 参考訳（メタデータ） (2026-05-14T17:32:18Z) - F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。
この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。
このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。
本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-13T04:52:33Z) - PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement [22.285969725581044]
大規模言語モデル(LLM)ベースのエージェントは、実行時に失敗するように見える一貫性のある計画を生成する。
PIVOTは、トラジェクトリを最適化可能なオブジェクトとして、環境相互作用を通じて反復的に洗練する自己管理フレームワークを通じて、この計画実行ミスアライメントに対処する。
論文 参考訳（メタデータ） (2026-05-11T20:43:20Z)
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。