論文の概要: Look Only Where You Plan for Real-Time End-to-End Urban Driving
- arxiv url: http://arxiv.org/abs/2611.10264v1
- Date: Fri, 06 Nov 2026 21:54:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:37.629699
- Title: Look Only Where You Plan for Real-Time End-to-End Urban Driving
- Title(参考訳): 都市部でのリアルタイム運転を計画する場所だけを見る
- Abstract要約: 本稿では,計画のどこにしか見えない計画立案者LOWPについて述べる。
16の学習可能なクエリの2セットは、既知のキャリブレーションを通じてカメラを読み取る。
オープンループ nuScenes と擬似シミュレーション NAVSIM とクローズループ Bench2Drive の評価は,コンパクトな表現による競合計画を示す。
- 参考スコア(独自算出の注目度): 14.260236501552653
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dense bird's-eye-view (BEV) construction accounts for 60% of the parameters in a strong recent driving planner. This paper presents LOWP, a planner that looks only where it plans: two sets of sixteen learnable queries read the cameras through the known calibration, one by sampling image features at projected 3D anchors and one by attending to features labeled with their viewing rays, so no dense BEV is built and no object or map is supervised. Evaluations on open-loop nuScenes, pseudo-simulated NAVSIM and closed-loop Bench2Drive show competitive planning with a compact representation. On nuScenes, average L2 changes from 0.302 to 0.296 m with 53% of the dense counterpart's parameters and 1.7 times its speed on the same GPU; the anchor-based reader performs better on turns than the global reader. On NAVSIM, scoring the planner's own trajectories alongside a vocabulary gives 85.9 PDMS without retraining. The closed-loop control configuration scores 65.5 on 218 routes, with a brake-induced standstill failure whose release rule has an inconclusive aggregate benefit. We distinguish measured latency from hardware-transferred estimates, which do not establish a common-hardware ranking.
- Abstract(参考訳): デンス・バードズ・アイ・ビュー(BEV)の建設は、最近の強力な運転計画立案者において60%のパラメータを担っている。
本稿では,2組の学習可能なクエリが既知のキャリブレーションを通してカメラを読み取る,1組の投影された3Dアンカーで画像の特徴をサンプリングする,1組のビューレイでラベル付けされた特徴に出席する,という2組のプランナについて述べる。
オープンループ nuScenes と擬似シミュレーション NAVSIM とクローズループ Bench2Drive の評価は,コンパクトな表現による競合計画を示す。
nuScenesでは、平均L2は0.302から0.296mに変化し、密度の高いパラメータの53%と同じGPUの1.7倍の速度を持つ。
NAVSIMでは、プランナー自身の軌跡を語彙とともにスコアし、85.9 PDMSが再トレーニングなしで与えられる。
閉ループ制御構成は、218経路で65.5点であり、リリースルールが決定不能な集合的利益を有するブレーキ誘起の停止故障がある。
我々は,ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェア・ハードウェアのランキングを定めていない推定値とを区別する。
関連論文リスト
- Probabilistic Pedestrian Forecasts from a Handheld Phone: World-Frame Heat Maps, Visual-Inertial Height Drift, and Evaluation without Ground Truth [0.0]
スマートフォンを持った歩行者は、近くの人が数秒以内にどこにいるかを示すことができる。もし予測が地上に留まり、携帯電話が動いている間、調整され、モノクロカメラと視覚慣性眼振計(VIO)しか必要としない。
線平面交叉により床上に持ち上げられ、重力整列距離フレームで追跡され、鳥眼(SDD)と1対1(EgoTraj-Bench)で負の対数損失(NLL)を訓練した小さなU-Netにより、ステップごとの確率マップとして予測される。
論文 参考訳(メタデータ) (2026-10-03T20:01:28Z) - Frozen in a Frame: The Velocity Blind Spot in JEPA World Models [17.098571252004657]
世界モデリングのための統合埋め込み予測アーキテクチャ(JEPA)はエンコーダを訓練するので、予測器は現在の埋め込みとアクションを、常に単一の描画フレームから次のフレームの埋め込みにマッピングする。
本稿では,3段階の診断プロトコルであるRateIdentとTI-JEPAを紹介する。
私たちはこれを公式のViT-TinyとAdaLN-transformerスケールで再現し、同じレシピをスクラッチから訓練された実際のdm_control Reacher写真にプッシュします。
論文 参考訳(メタデータ) (2026-10-03T15:18:32Z) - LEAP-NBV: Lightweight Edge Active-Perception for Foundation-Model Next-Best-View Planning [6.198560254557406]
ファンデーションモデルは、より大きな知性を持つ自律システムを提供しています。
Human Mesh Recovery (HMR)は、ターゲットの3Dポーズと形状の有用な推定を提供する。
本稿では,軽量なアクティブパーセプションフレームワークLEAP-NBVを提案する。
論文 参考訳(メタデータ) (2026-09-21T01:07:53Z) - Planning-Aligned Pretraining of BEV Representations with Sparse Action-Conditioned Targets for End-to-End Autonomous Driving [2.1280728033289766]
PAVER, Planning-Aligned BEV Pretrainingを紹介する。
単一のLiDARスイープから、PAVERはルールベースのエゴ運動に沿って、占有された証拠や観察されていない証拠を記述したスパースリスクと未知のターゲットを構築している。
nuScenesでは、PAVERはVAD-Tinyの平均衝突速度を0.51%から0.19%に削減し、計画L2、動き予測、検出、マッピングを改善した。
選択されたVAD-TinyとVAD-Baseのスケジュールは、事前訓練を含むスクラッチトレーニングよりも36%少ない。
論文 参考訳(メタデータ) (2026-09-19T08:13:03Z) - TAPVid-MV: A Benchmark for Tracking Any Point in 3D Across Multiple Views [50.26507994908593]
この設定の最初のベンチマークであるTAPVid-MV(Tracking Any Point in Video across Multiple Views)を紹介します。
キュレートされた284のシーケンス、1,142のキャリブレーションされたカメラストリーム、109,769のトラックが、屋内と屋外のドメインにまたがる7つのサブセットにまたがっている。
本研究では,センサ深度,LiDAR,SLAM,SfM点,ヒューマンメッシュ,ポーズされたオブジェクトメッシュ,シミュレーションといった,データセット固有の補助的モダリティを用いてこれらのトラジェクトリを解析し,各シーケンスとトラジェクトリを人間のアノテーションによって視覚的に検証する。
論文 参考訳(メタデータ) (2026-09-01T21:58:51Z) - On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳(メタデータ) (2026-08-31T06:35:07Z) - Robostral Navigate [138.74472687550374]
Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。
モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。
我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
論文 参考訳(メタデータ) (2026-07-22T23:13:05Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳(メタデータ) (2026-04-23T09:11:50Z) - Training Deep Stereo Matching Networks on Tree Branch Imagery: A Benchmark Study for Real-Time UAV Forestry Applications [5.266753902938501]
本研究は,実木分岐画像上で10種類の深部ステレオマッチングネットワークを訓練し,テストするための最初の研究である。
1080Pと720PのZED Miniカメラから、Canterbury Tree Branchesデータセット -- 5,313のステレオペアを使用します。
10の方法は、ステップバイステップの洗練、3次元の畳み込み、エッジ対応の注意、軽量デザインをカバーしている。
論文 参考訳(メタデータ) (2026-02-23T12:12:43Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳(メタデータ) (2025-06-23T14:28:30Z)
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。