論文の概要: Traffic-VL: Reinforced Vision-Language Models for Generalizable End-to-End Traffic Signal Control
- arxiv url: http://arxiv.org/abs/2611.06353v1
- Date: Wed, 04 Nov 2026 11:15:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.091293
- Title: Traffic-VL: Reinforced Vision-Language Models for Generalizable End-to-End Traffic Signal Control
- Title（参考訳）: 一般化可能な終端信号制御のためのトラヒックVL強化ビジョンランゲージモデル
- Abstract要約: 本稿ではSynTra-VとTraffic-VLを導入し,交通信号制御における視覚領域と知覚と判断のギャップを埋める。
SynTra-Vは、物理に基づく交通シミュレーションを、様々な道路トポロジと感知条件にわたる光リアルな多視点監視画像に変換する。
交通VLは、同期した多視点画像と自然言語の位相記述を直接、中間構造状態のない信号決定にマッピングする。
- 参考スコア（独自算出の注目度）: 34.532543179295125
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Existing traffic signal control methods typically rely on structured traffic states produced by dedicated perception pipelines. Emerging visual approaches often use idealized simulator images and convert them into intermediate representations before control, limiting their ability to directly exploit roadside visual observations. To bridge both the visual-domain and perception-to-decision gaps, we introduce SynTra-V and Traffic-VL. SynTra-V converts physics-based traffic simulations into photorealistic multi-view surveillance imagery across diverse road topologies and sensing conditions, and automatic semantic auditing checks that control-critical geometry, vehicle movements, and lane semantics match the simulator state. Traffic-VL is an eight-billion-parameter vision-language model that directly maps synchronized multi-view images and natural-language phase descriptions to signal decisions without intermediate structured states. Building on Traffic-R1's two-stage reinforced reasoning framework, Traffic-VL adapts its vision encoder via offline reinforcement learning on SynTra-V and freezes it during online visual stepwise trajectory policy optimization in closed-loop simulation. Experiments show that Traffic-VL matches structured-state Traffic-R1 while outperforming image-based controllers and general-purpose vision-language models, including Gemini 3 Pro. Evaluations on unseen topologies, degraded sensing conditions, real surveillance footage, and a three-week deployment across ten intersections further demonstrate robust visual generalization and effective constrained online control.
- Abstract（参考訳）: 既存の信号制御法は、通常は専用の知覚パイプラインによって生成された構造化された交通状態に依存している。
創発的な視覚的アプローチでは、理想化されたシミュレーターイメージを使用し、制御前に中間表現に変換することで、道路脇の視覚的観察を直接活用する能力を制限している。
視覚領域と知覚と判断のギャップを埋めるために、SynTra-VとTraffic-VLを導入する。
SynTra-Vは、物理に基づく交通シミュレーションを、様々な道路トポロジや感知条件にまたがるフォトリアリスティックな多視点監視画像に変換するとともに、制御クリティカルな幾何学、車両の動き、車線セマンティクスがシミュレータの状態にマッチする自動セマンティクス監査を行う。
Traffic-VLは、8ビリオンパラメトリック・ビジョン言語モデルであり、同期した多視点画像と自然言語の位相記述を直接、中間構造状態のない信号決定にマッピングする。
Traffic-R1の2段階強化推論フレームワークに基づいて、Traffic-VLは、SynTra-V上のオフライン強化学習を通じてビジョンエンコーダを適応し、クローズドループシミュレーションにおけるオンライン視覚的段階的軌道ポリシー最適化中にそれを凍結する。
実験によると、Traffic-VLは構造化状態のTraffic-R1と一致し、画像ベースのコントローラやGemini 3 Proなどの汎用視覚言語モデルより優れている。
目に見えないトポロジ、劣化した検知条件、実際の監視映像、そして10つの交差点に3週間の展開の評価は、より堅牢な視覚的一般化と効果的な制約付きオンライン制御を示す。
関連論文リスト
- BEVLight: Generalizable Traffic Signal Control from UAV Bird's-Eye Views [23.975088337557953]
学習に基づく交通信号制御(TSC)は有望な性能を達成したが、ほとんどの手法は実際の展開においてセンサ観測から推定しなければならない構造化された交通状態に依存している。
Visual TSCは画像から直接信号決定を学習するが、既存の方法は固定された路面カメラに依存し、特定の交差点構成や視覚領域に結びついている。
我々は、BEV観測を直接信号アクションにマッピングする一般化可能なTSCフレームワークであるBEVLightを提案する。
論文 参考訳（メタデータ） (2026-10-29T04:03:19Z) - HorizonComposer: Spatiotemporally Consistent Driving Video Editing with Enriched Traffic Semantics [53.8121080280996]
「汎用指導誘導ビデオエディターは、しばしばトラフィックセマンティクスを腐敗させ、構造的幻覚と時間的ショックに繋がる」
この研究は、ビデオ編集中のトラフィックの意味を3つのレベルで蒸留し、保護する。
論文 参考訳（メタデータ） (2026-10-20T18:51:48Z) - VLALight: A Vision-Language-Action Model for Traffic Signal Control [10.509444461771695]
VLALightは,マルチビュー・ロードサイド・ビデオからエンドツーエンドの信号制御を行う最初の視覚言語アクション(VLA)モデルである。
我々は,視覚的交通理解と信号決定のための2段階の冷間開始訓練戦略を開発した。
3つの都市ネットワークにまたがる7つの実世界のトラフィックフローデータセットの実験により、VLALightは、輸送ベース、RLベース、LLM/VLMベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-09-29T07:48:08Z) - VLALight: Lightweight Vision-Language-Action Models for Emergency-Aware Traffic Signal Control [8.929105961048135]
VLALightは、TSCのための軽量なビジョン言語アクションフレームワークである。
交叉観測と信号相情報を離散的な信号行動にマッピングする。
実験によると、VLALightは、比較したすべての方法で最高の緊急車両サービスを提供している。
論文 参考訳（メタデータ） (2026-09-25T02:36:44Z) - End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。
微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。
E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
論文 参考訳（メタデータ） (2026-07-21T02:13:25Z) - OmniTraffic: A Controllable Generation Pipeline and Benchmark for Spatio-Temporal Traffic Reasoning [47.85568621735744]
トラフィック推論のための制御可能なパイプライン生成とベンチマークであるOmniTrafficを紹介した。
現実世界の12の交差点に建設され、2つの国の監視映像によって再建されている。
シーン認識、多視点、時間的推論、意思決定支援にまたがる3段階のタスク階層を定義する。
論文 参考訳（メタデータ） (2026-06-14T11:16:53Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - A Holistic Framework Towards Vision-based Traffic Signal Control with
Microscopic Simulation [53.39174966020085]
交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。
本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。
我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
論文 参考訳（メタデータ） (2024-03-11T16:42:29Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳（メタデータ） (2023-01-11T18:39:34Z) - Guided Conditional Diffusion for Controllable Traffic Simulation [42.198185904248994]
制御可能で現実的な交通シミュレーションは、自動運転車の開発と検証に不可欠である。
データ駆動アプローチは現実的で人間的な振る舞いを生成し、シミュレートされたトラフィックから現実のトラフィックへの移行を改善する。
本研究では,制御可能なトラヒック生成(CTG)のための条件拡散モデルを構築し,テスト時に所望のトラジェクトリ特性を制御できるようにする。
論文 参考訳（メタデータ） (2022-10-31T14:44:59Z)
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。