日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

End-to-End自動運転arXiv:2505.16394

Raw2Drive: 世界モデル整合による強化学習ベースのEnd-to-End自動運転

Raw2Drive: Reinforcement Learning with Aligned World Models for End-to-End Autonomous Driving (in CARLA v2)

シェア:XThreadsFacebookLINEはてブBluesky

特権情報で訓練した世界モデルを生センサー世界モデルに蒸留し、強化学習でEnd-to-End自動運転を実現してCARLA v2で最高性能を達成した。

詳しい要約

1. どんなもの?

- 本論文は、Raw2Driveと呼ばれるEnd-to-End自動運転(E2E-AD)のための強化学習(RL)手法を提案する。 - 生のセンサ入力から直接運転ポリシーを学習する二重ストリームのModel-based RL (MBRL) アプローチである。 - CARLA Leaderboard 2.0およびBench2Driveにおいて、RLベースのE2E手法として初めて評価され、最先端性能を達成したと主張する。

2. 先行研究と比べてどこがすごい?

- 従来のE2E-ADは模倣学習(IL)が主流であり、RLの適用は訓練の困難さから未解決であった。 - 既存のMBRLによる神経計画手法は、生のセンサデータではなく特権情報を入力として必要としていた。 - Raw2Driveは、特権情報を用いた補助世界モデルと生センサ世界モデルを組み合わせ、RLベースのE2E-ADを実現した点が新しい。 - CARLA Leaderboard 2.0とBench2DriveでRLベースのE2E手法として唯一であり、最先端性能を達成。

3. 技術・手法の肝は?

- まず、特権情報を入力とする補助的な特権世界モデルと神経プランナーを効率的に訓練する。 - 次に、生センサ世界モデルを訓練するためのGuidance Mechanismを提案し、ロールアウト中に生センサ世界モデルと特権世界モデルの一貫性を確保する。 - 最後に、生センサ世界モデルが特権世界モデルのヘッドに埋め込まれた事前知識を組み合わせ、生センサポリシーの訓練を効果的に導く。 - これにより、生センサ入力から直接ポリシーを学習する二重ストリームMBRLを実現。

4. どうやって有効だと検証した?

- CARLA Leaderboard 2.0およびBench2Driveベンチマークで評価を実施。 - RLベースのE2E手法として初めてこれらのベンチマークで評価され、最先端性能を達成したと報告。 - 具体的な比較手法や指標の詳細は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - ただし、RLの訓練困難性や分布シフトへの対処、特権情報と生センサ情報の整合性などが議論の焦点と考えられる。

6. 次に読むべき論文は?

- 要旨で参照されている研究: Model-based Reinforcement Learning (MBRL) による神経計画手法、Imitation Learning (IL) との比較。 - 関連手法として、CARLA Leaderboard 2.0やBench2Driveを用いたE2E-AD研究、特権情報を用いるMBRL手法が挙げられる。 - 具体的な論文名は要旨からは不明。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhenjie Yang, Xiaosong Jia, Qifeng Li, Xue Yang, Maoqing Yao, Junchi Yan

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Reinforcement Learning (RL) can mitigate the causal confusion and distribution shift inherent to imitation learning (IL). However, applying RL to end-to-end autonomous driving (E2E-AD) remains an open problem for its training difficulty, and IL is still the mainstream paradigm in both academia and industry. Recently Model-based Reinforcement Learning (MBRL) have demonstrated promising results in neural planning; however, these methods typically require privileged information as input rather than raw sensor data. We fill this gap by designing Raw2Drive, a dual-stream MBRL approach. Initially, we efficiently train an auxiliary privileged world model paired with a neural planner that uses privileged information as input. Subsequently, we introduce a raw sensor world model trained via our proposed Guidance Mechanism, which ensures consistency between the raw sensor world model and the privileged world model during rollouts. Finally, the raw sensor world model combines the prior knowledge embedded in the heads of the privileged world model to effectively guide the training of the raw sensor policy. Raw2Drive is so far the only RL based end-to-end method on CARLA Leaderboard 2.0, and Bench2Drive and it achieves state-of-the-art performance.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI