日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転arXiv:2511.12755

プロンプト駆動型ドメイン適応による悪天候下のEnd-to-End自動運転:In-Context強化学習の活用

Prompt-Driven Domain Adaptation for End-to-End Autonomous Driving via In-Context RL

シェア:XThreadsFacebookLINEはてブBluesky

悪天候など未知環境への適応を、モデル再学習や追加データ収集なしに、推論時に少数の軌跡をプロンプトとして与えるIn-Context強化学習で実現する手法を提案。

詳しい要約

1. どんなもの?

- 本論文は、悪天候条件下での閉ループ自動運転におけるドメイン適応(DA)のための、推論時の少数ショットプロンプト駆動型手法を提案する。 - 天候などドメインが変化した際に、モデルパラメータの更新や追加データ収集を必要とせず、推論時にプロンプトとして状態-行動軌跡を与えることで適応する。 - 特に、in-context reinforcement learning (ICRL) を用いる点が特徴で、従来のプロンプト駆動型DAが知覚タスクに限定されていたのを閉ループ運転制御に拡張する。 - CARLAシミュレータを用いた実験で、安全性・効率性・快適性の面で既存のプロンプト駆動型DAベースラインを上回ることを示す。

2. 先行研究と比べてどこがすごい?

- 従来のDA手法は、ターゲットドメインでの追加データ収集やモデルの再訓練を必要とし、規模や複雑さが増すと非現実的になる。 - 近年のLLM/VLMを用いた少数ショット/ゼロショットのプロンプト駆動型DAは、推論時に状態-行動軌跡をプロンプトに追加するが、知覚タスク(検出・セグメンテーション)に限定され、専門家による少数ショットデータが必要という制約があった。 - 本研究は、これらの制約を克服し、閉ループ自動運転へのプロンプト駆動型DAを拡張するとともに、専門家データではなく推論中に観測される一般的な軌跡を用いる点で先行研究より優れている。 - モデルパラメータの更新や追加データ収集を一切必要としない点も、実用性の面で大きなアドバンテージである。

3. 技術・手法の肝は?

- 推論時の少数ショットプロンプト駆動型DAを、in-context reinforcement learning (ICRL) を用いて実現する。 - モデルパラメータの更新やターゲットドメイン(悪天候)での追加データ収集を行わず、推論時にプロンプトとして状態-行動軌跡を提供する。 - 従来のプロンプト駆動型DAと異なり、専門家による少数ショットデータを必要とせず、推論中に観測される一般的な軌跡を利用する。 - 閉ループ運転制御に適用するため、ICRLの枠組みでプロンプトを介した適応を行う点が技術的な肝である。

4. どうやって有効だと検証した?

- CARLAシミュレータを用いた実験により有効性を検証している。 - 悪天候条件下での閉ループ自動運転において、提案手法であるICRLが、既存のプロンプト駆動型DAベースラインと比較して、より安全で効率的かつ快適な運転ポリシーを実現することを示した。 - 具体的な評価指標や実験設定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、提案手法が専門家データを必要とせず、推論中に観測される一般的な軌跡を用いる点や、悪天候条件下での有効性が示されている点から、実用性や汎化性能に関する議論が想定される。 - 限界や今後の課題についての明示的な記述は要旨にはない。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:プロンプト駆動型DAの先行手法(LLM/VLMを用いたfew-shot/zero-shot DA)、in-context learning、in-context reinforcement learning (ICRL) の関連研究。 - 具体的な論文名は要旨からは不明。 - 同分野の定番として、CARLAを用いた自動運転のドメイン適応研究や、強化学習によるend-to-end自動運転の研究が挙げられる。

※ 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: Aleesha Khurram, Amir Moeini, Shangtong Zhang, Rohan Chandra

分類: cs.RO, cs.LG

原文アブストラクト

Despite significant progress and advances in autonomous driving, many end-to-end systems still struggle with domain adaptation (DA), such as transferring a policy trained under clear weather to adverse weather conditions. Typical DA strategies in the literature include collecting additional data in the target domain or re-training the model, or both. Both these strategies quickly become impractical as we increase scale and complexity of driving. These limitations have encouraged investigation into few-shot and zero-shot prompt-driven DA at inference time involving LLMs and VLMs. These methods work by adding a few state-action trajectories during inference to the prompt (similar to in-context learning). However, there are two limitations of such an approach: $(i)$ prompt-driven DA methods are currently restricted to perception tasks such as detection and segmentation and $(ii)$ they require expert few-shot data. In this work, we present a new approach to inference-time few-shot prompt-driven DA for closed-loop autonomous driving in adverse weather condition using in-context reinforcement learning (ICRL). Similar to other prompt-driven DA methods, our approach does not require any updates to the model parameters nor does it require additional data collection in adversarial weather regime. Furthermore, our approach advances the state-of-the-art in prompt-driven DA by extending to closed driving using general trajectories observed during inference. Our experiments using the CARLA simulator show that ICRL results in safer, more efficient, and more comfortable driving policies in the target domain compared to state-of-the-art prompt-driven DA baselines.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI