論文の概要: FloCOS: Predicting Compact Forward Occupancy Sets of Surrounding Vehicles via Conditional Flow Matching
- arxiv url: http://arxiv.org/abs/2611.15488v1
- Date: Wed, 11 Nov 2026 13:50:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.158355
- Title: FloCOS: Predicting Compact Forward Occupancy Sets of Surrounding Vehicles via Conditional Flow Matching
- Title(参考訳): FloCOS:コンディショナルフローマッチングによる周辺車両の小型前方活動予測
- Abstract要約: 既存の車両の前方の占有率を予測する方法は、地上の占有率を過小評価する可能性がある。
コンパクトな前方占有率を予測する条件付きフローマッチングフレームワークであるFloを提案する。
現実の車両実験は、対話的なシナリオで衝突のない計画を支援する能力をさらに確認する。
- 参考スコア(独自算出の注目度): 4.5370577867454305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing methods for predicting surrounding vehicles' forward occupancy may under-approximate the ground-truth occupancy, exposing the ego vehicle to collision risk, or produce overly conservative regions that unnecessarily restrict feasible space and cause planning failures. To address these issues, we propose FloCOS, a conditional flow-matching framework that predicts compact forward occupancy sets with high occupancy coverage. FloCOS represents the forward occupancy set as a time-varying union of half-space convex polygons parameterized by temporal basis coefficients. Conditional flow matching captures the conditional distribution of these coefficients to govern the temporal evolution of the convex components, trained under coverage and union-area losses that penalize missed occupancy and excess area. For downstream trajectory optimization, the predicted nonconvex union is directly incorporated into hyperplane-based collision-avoidance constraints. Evaluations on the Waymo Open Motion Dataset show that FloCOS generates compact forward occupancy sets with high coverage and achieves a higher interaction completion rate than evaluated baselines. Real-world vehicle experiments further confirm its ability to support collision-free planning in interactive scenarios.
- Abstract(参考訳): 既存の車両の前方占領を予測する方法は、地道占領を過小評価し、エゴ車両を衝突リスクに晒し、また、不必要な空間を制限し、計画上の失敗を引き起こす過度に保守的な地域を創出する可能性がある。
これらの問題に対処するため、我々はFloCOSを提案する。FloCOSは、コンパクトな前方占有率を高い占有率で予測する条件付きフローマッチングフレームワークである。
FloCOSは、時間的基底係数によってパラメータ化された半空間凸多角形の時間変化和として前方占有集合を表す。
条件付きフローマッチングは、これらの係数の条件分布を捉え、凸成分の時間的進化を制御し、カバーと連合領域の損失で訓練され、占有率と余剰面積を減少させる。
下流軌道最適化のために、予測された非凸結合は、超平面に基づく衝突回避制約に直接組み込まれている。
Waymo Open Motion Datasetの評価によると、FloCOSは、高いカバレッジでコンパクトな前方占有セットを生成し、評価されたベースラインよりも高い相互作用完了率を達成する。
現実の車両実験は、対話的なシナリオで衝突のない計画を支援する能力をさらに確認する。
関連論文リスト
- Interaction-Aware Sampling-Based Motion Planning for Autonomous Surface Vessels in Urban Waterways [55.90343959263054]
モデル予測経路積分制御に基づく分散型運動プランナを提案する。
プランナーはエゴ船の軌道を計算し、他の船の軌道を予測する。
アムステルダムの運河の実際の部分から抽出した地図や,2つの船舶間の遭遇,および4つの相互作用する船舶とのシナリオにおいて,本手法の評価を行った。
論文 参考訳(メタデータ) (2026-10-30T12:44:27Z) - VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。
CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文 参考訳(メタデータ) (2026-09-02T11:32:52Z) - Parsimonious disturbance-aware minimum-time planning with parametric uncertainty [0.0]
本研究は、モータースポーツ応用のための最小ラップタイム計画フレームワークを提示し、検証する。
この手法は、車両のダイナミクスを短い地平線上で伝播させる、事前の障害対応フレームワークの上に構築されている。
我々は、キーカーパラメータの不確実性を考慮した定式化を拡張した。
論文 参考訳(メタデータ) (2026-07-14T22:32:35Z) - From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。
代わりに、予測距離場全体を同時に整列する。
この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
論文 参考訳(メタデータ) (2026-07-01T11:02:51Z) - Distributed Model Predictive Control with Adaptive Safety Zones for Multi-Fleet Drone Operations [2.8055179094637688]
既存のアプローチは、渋滞したシナリオで空域を浪費する最悪のケースの速度でサイズの固定された安全ゾーンに依存している。
我々は、固定半径を、速度依存の適応型安全球体に置き換え、その大きさがブレーキ距離(低速できつく、高速で膨張する)でスケールする。
我々は、最小半径で評価された幾何学的パッキング限界までの実現可能性を示し、適応パラメータ、ドローン密度、予測水平線の十分な条件下で、リャプノフ安定性を確立する。
狭い通路における球充填容量境界の修正とスループット最適交差速度を導出する。
論文 参考訳(メタデータ) (2026-06-08T09:15:13Z) - Bridging Predictive Uncertainty and Safe Action: Sample-Conditioned Differentiable Planning for Autonomous Driving [46.91409391705346]
複雑でダイナミックでインタラクティブな運転環境は、自動運転に重大な課題をもたらす。
現在のシステムにおける基本的なボトルネックは、高度に表現力のある不確実性モデリングと解釈可能な安全な動き計画との切り離しである。
本稿では, このギャップを埋めるために, 拡散生成将来の軌道を最適化プロセスに明示的に組み込む, サンプル条件付き微分可能計画フレームワークを提案する。
論文 参考訳(メタデータ) (2026-06-02T08:10:02Z) - Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching [3.1807155456602274]
エンフェゴディックのカバレッジ問題は、UAVが支援するデータ収集とセンシング、ロボット探査、モバイル監視の中心である。
飛行エージェントでは、トラジェクトリーはエネルギー予算の厳格化、飛行禁止ゾーン、加速限界のバランスをとる必要がある。
本稿では,エルゴディディティを密度マッチングから切り離すエフェプシュフォワードフレームワークを提案する。
論文 参考訳(メタデータ) (2026-05-13T06:34:08Z) - Collaborative Trajectory Prediction via Late Fusion [17.045815575131915]
車両間の協調的なアプローチは、相補的な情報を共有することによって不確実性を低減するのに役立つ。
共有予測のためのレイトフュージョンフレームワークを導入する。
OPV2V、V2V4Real、DeepAccidentデータセットに対するアプローチを評価する。
論文 参考訳(メタデータ) (2026-04-24T19:34:56Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳(メタデータ) (2026-04-16T17:59:44Z) - Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective [55.919842734983156]
CoSAは、共有された低次元セマンティック空間内で機能する転送可能なアタックフレームワークである。
CoSAは、最先端のトランスファー可能な攻撃を一貫して上回っている。
論文 参考訳(メタデータ) (2026-01-30T15:48:11Z) - FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。
NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
論文 参考訳(メタデータ) (2025-09-17T13:51:33Z)
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。