論文の概要: INTERACT: Learning Interaction-Aware World Dynamics from Driving Videos for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2611.02526v1
• Date: Mon, 02 Nov 2026 04:55:48 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:57:47.145548
• Title: INTERACT: Learning Interaction-Aware World Dynamics from Driving Videos for Autonomous Driving
• Title（参考訳）: InterACT: 自律運転用ビデオから対話型世界ダイナミクスを学習する
• Abstract要約: InterACTは、未ラベルの運転ビデオからスロットベースのオブジェクト中心の世界モデルを学ぶフレームワークである。 スロットコンテキストとビデオ遷移から潜在egoアクションを推論し、将来的なスロット予測の条件付けに使用する。 NAVSIMおよびnuSceneの実験は、InterACTの有効性を検証する。
• 参考スコア（独自算出の注目度）: 39.63896805425361
• License:
• Abstract: Safe autonomous driving requires more than recognizing the current scene: the ego vehicle must anticipate how surrounding traffic participants will evolve under its own motion. However, existing end-to-end driving models typically encode scenes into dense visual or BEV features, leaving object-level interactions implicit. We propose (INTERACT INTERaction-aware Action-Conditioned Trajectory learning), a three-stage framework that learns a slot-based object-centric world model from unlabeled driving videos and transfers it to trajectory planning. INTERACT first learns recurrent slots that group dense visual features into temporally structured scene-entity representations without object annotations. It then infers latent ego actions from slot context and video transitions, and uses them to condition future slot prediction, capturing how ego motion and surrounding entities co-evolve. Finally, the learned slots, latent actions, and future slot predictions are distilled into a trajectory planner to guide trajectory generation and selection. Extensive experiments on NAVSIM and nuScenes validate the effectiveness of INTERACT. In particular, it achieves state-of-the-art performance on NAVSIM, with improvements in safety-critical collision metrics.
• Abstract（参考訳）: エゴの車両は、周囲の交通参加者が自身の動きの下でどのように進化するかを予測しなければならない。 しかし、既存のエンド・ツー・エンドの運転モデルは一般的にシーンを濃密な視覚的またはBEV機能にエンコードし、オブジェクトレベルの相互作用を暗黙的に残している。 InTERACT Interaction-Aware Action-Conditioned Trajectory Learningは,未ラベル駆動ビデオからスロットベースのオブジェクト中心の世界モデルを学習し,軌道計画に転送する3段階のフレームワークである。 InterACTはまず、高密度な視覚的特徴をオブジェクトアノテーションなしで時間的に構造化されたシーンエンタリティ表現にグループ化するリカレントスロットを学習する。 次に、スロットコンテキストとビデオ遷移から潜在エゴアクションを推論し、将来のスロット予測を条件付け、エゴの動きと周囲のエンティティが共進化する様子をキャプチャする。 最後に、学習スロット、潜時動作、将来のスロット予測をトラジェクトリプランナーに蒸留し、トラジェクトリ生成と選択を誘導する。 NAVSIMとnuSceneの大規模な実験は、InterACTの有効性を検証する。 特に、NAVSIMの最先端性能を達成し、安全臨界衝突測定値の改善を図っている。

関連論文リスト

• DriveWAM: Video Generative Priors Enable Scalable World-Action Modeling for Autonomous Driving [19.231942908215174]
  本稿では、事前学習したビデオ拡散変換器を自己回帰型ビデオアクションポリシーに適応させる駆動ワールドアクションモデルDriveWAMを提案する。 DriveWAMは、ビデオストリームとアクションストリームを統合された時間トークンシーケンスに編成し、それらをジョイントフローマッチングの目的の下でトレーニングする。 NAVSIMとPhysicalAI-Autonomous-Vehiclesベンチマークの実験は、DriveWAMが強力な計画性能を発揮することを示している。
  論文  参考訳（メタデータ） (2026-05-27T14:36:26Z)
• SGDrive: Scene-to-Goal Hierarchical World Cognition for Autonomous Driving [52.02379432801349]
  本稿では,運転特化知識階層に関するVLMの表現学習を構築する新しいフレームワークであるSGDriveを提案する。 トレーニング済みのVLMバックボーン上に構築されたSGDriveは、人間の運転認知を反映するシーンエージェントゴール階層に、駆動理解を分解する。
  論文  参考訳（メタデータ） (2026-01-09T08:55:42Z)
• Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution [96.25314747309811]
  将来的なシーンの進化と軌道計画を共同でモデル化する,新たなエンドツーエンドフレームワークであるSeerDriveを紹介する。 本手法はまず,周辺環境の動態を予測するために,将来の鳥眼ビュー(BEV)の表現を予測する。 2つの重要な要素がこれを可能にする:(1)予測されたBEV機能を軌道プランナーに注入する将来対応計画、(2)反復的なシーンモデリングと車両計画。
  論文  参考訳（メタデータ） (2025-10-13T07:41:47Z)
• VLM-AD: End-to-End Autonomous Driving through Vision-Language Model Supervision [17.36342349850825]
  教師としての視覚言語モデル(VLM)は、追加の監督を提供することで訓練を強化する。 VLM-ADは、nuScenesデータセットの計画精度と衝突率の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-12-19T01:53:36Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)

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。