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:2512.09349

COVLM-RL: VLM誘導強化学習による自動運転のための重要物体指向推論

COVLM-RL: Critical Object-Oriented Reasoning for Autonomous Driving Using VLM-Guided Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

VLMにChain-of-Thoughtで重要交通要素を推論させて意味的決定を生成し、その事前情報を強化学習に組み込むことで、自動運転の学習効率と解釈性を高めるフレームワークを提案した。

詳しい要約

1. どんなもの?

- 自動運転向けのend-to-endフレームワーク - Critical Object-oriented (CO) reasoningとVLM-guided RLを統合 - VLMが重要交通要素を推論し高レベル意味決定を生成 - その決定をRLループのpriorとして利用 - 目的 - 汎化性・訓練効率・解釈性の改善 - 未知環境での頑健性向上

2. 先行研究と比べてどこがすごい?

- 先行のVLM+supervised learning手法 - 大規模データセットでreasoningを学習 - 新規シナリオでのrobustnessに欠ける - 先行のRLベース手法 - adaptabilityは高いがdata-inefficient - 透明な意思決定に欠ける - 本研究の位置づけ - VLMの意味推論とRLの適応性を統合 - 訓練効率と解釈性の両立を狙う

3. 技術・手法の肝は?

- Chain-of-Thought (CoT) prompting - VLMがcritical traffic elementsを推論 - 高レベルsemantic decisionsを生成 - 多視点visual inputsを構造化semantic decision priorsへ変換 - priorの役割 - 入力次元を削減 - タスク関連知識をRL loopへ注入 - consistency loss - VLMのsemantic plansとRL agentのcontrol outputsの整合を促す - 解釈性と訓練安定性を向上

4. どうやって有効だと検証した?

- CARLA simulatorで実験 - 結果 - 訓練済み走行環境でsuccess rateが30%改善 - 未見環境で50%改善 - 示唆 - 強いgeneralization capability - 詳細な比較条件やbaselineは要旨からは不明

5. 議論はある?

- 主張 - 高レベルsemantic guidanceと連続低レベル制御の橋渡しは非自明 - consistency lossがその整合に寄与 - 限界・議論 - simulator評価のみで実車検証は要旨からは不明 - VLM推論の計算コストや失敗時の挙動は要旨からは不明 - baselineやablationの詳細は要旨からは不明

6. 次に読むべき論文は?

- VLMをsupervised learningで自動運転に用いる先行研究 - RLベースのend-to-end自動運転手法 - Chain-of-Thought (CoT) prompting関連研究 - CARLA simulatorを用いたautonomous driving benchmark - 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: Lin Li, Yuxin Cai, Jianwu Fang, Jianru Xue, Chen Lv

分類: cs.RO

原文アブストラクト

End-to-end autonomous driving frameworks face persistent challenges in generalization, training efficiency, and interpretability. While recent methods leverage Vision-Language Models (VLMs) through supervised learning on large-scale datasets to improve reasoning, they often lack robustness in novel scenarios. Conversely, reinforcement learning (RL)-based approaches enhance adaptability but remain data-inefficient and lack transparent decision-making. % contribution To address these limitations, we propose COVLM-RL, a novel end-to-end driving framework that integrates Critical Object-oriented (CO) reasoning with VLM-guided RL. Specifically, we design a Chain-of-Thought (CoT) prompting strategy that enables the VLM to reason over critical traffic elements and generate high-level semantic decisions, effectively transforming multi-view visual inputs into structured semantic decision priors. These priors reduce the input dimensionality and inject task-relevant knowledge into the RL loop, accelerating training and improving policy interpretability. However, bridging high-level semantic guidance with continuous low-level control remains non-trivial. To this end, we introduce a consistency loss that encourages alignment between the VLM's semantic plans and the RL agent's control outputs, enhancing interpretability and training stability. Experiments conducted in the CARLA simulator demonstrate that COVLM-RL significantly improves the success rate by 30\% in trained driving environments and by 50\% in previously unseen environments, highlighting its strong generalization capability.

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