車両ダイナミクスを組み込んだ自動運転向けワールドモデル
Vehicle Dynamics Embedded World Models for Autonomous Driving
自車のダイナミクスと環境の遷移を分離して学習するワールドモデルを提案し、多様な車両パラメータへの汎化と運転性能・ロバスト性を向上させた。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Huiqian Li, Wei Pan, Haodong Zhang, Jin Huang, Zhihua Zhong
分類: cs.RO, cs.AI
原文アブストラクト
World models have gained significant attention as a promising approach for autonomous driving. By emulating human-like perception and decision-making processes, these models can predict and adapt to dynamic environments. Existing methods typically map high-dimensional observations into compact latent spaces and learn optimal policies within these latent representations. However, prior work usually jointly learns ego-vehicle dynamics and environmental transition dynamics from the image input, leading to inefficiencies and a lack of robustness to variations in vehicle dynamics. To address these issues, we propose the Vehicle Dynamics embedded Dreamer (VDD) method, which decouples the modeling of ego-vehicle dynamics from environmental transition dynamics. This separation allows the world model to generalize effectively across vehicles with diverse parameters. Additionally, we introduce two strategies to further enhance the robustness of the learned policy: Policy Adjustment during Deployment (PAD) and Policy Augmentation during Training (PAT). Comprehensive experiments in simulated environments demonstrate that the proposed model significantly improves both driving performance and robustness to variations in vehicle dynamics, outperforming existing approaches.
関連論文
- 負例を活用した統合ワールドアクションモデルによるエンドツーエンド自動運転の安全強化自動運転/ワールドモデル
- 関係性に基づく潜在ワールドモデルによる自動運転自動運転/ワールドモデル
- インフラ中心のワールドモデル：路側知覚における時間的深さと空間的広がりの橋渡し自動運転/ワールドモデル
- Imagine-2-Drive: マルチモーダル拡散ポリシーによる高忠実度ワールドモデル活用自動運転/ワールドモデル
- ADriver-I: 自動運転のための汎用ワールドモデル自動運転/ワールドモデル
