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/軌道計画arXiv:2601.23266

IRL-DAL: エネルギー誘導拡散モデルによる自動運転のための安全で適応的な軌道計画

IRL-DAL: Safe and Adaptive Trajectory Planning for Autonomous Driving via Energy-Guided Diffusion Models

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルと逆強化学習を組み合わせ、FSMの模倣学習とPPO微調整により安全な経路計画を実現した自動運転フレームワーク。

詳しい要約

1. どんなもの?

- 自動運転向けの新しい逆強化学習フレームワークIRL-DALを提案。 - diffusion-based adaptive lookahead plannerを用いる。 - 安全で適応的な軌道計画を目指す。 - 専門家FSMコントローラからの模倣で安定初期化。 - 環境項とIRL識別器信号を組み合わせ専門家目標に整合。 - 拡散環境フィードバックとIRL報酬を組み合わせたハイブリッド報酬でRL。 - 条件付き拡散モデルが安全監督者として安全経路を計画。 - 車線維持、障害物回避、滑らかな動きを実現。 - 学習可能適応マスク(LAM)で知覚改善。 - 車速と近傍危険に基づき視覚注意をシフト。 - FSM模倣後、PPOで微調整。 - Webotsシミュレータで2段階カリキュラム学習。 - 96%の成功率、1kステップあたり衝突0.05を達成。 - 安全ナビゲーションの新ベンチマーク。 - 車線内走行だけでなく危険状況も専門家レベルで処理しロバスト性向上。 - コード公開。

2. 先行研究と比べてどこがすごい?

- 従来の逆強化学習と拡散モデルを組み合わせた点が新しい。 - 拡散モデルを安全監督者として軌道計画に用いる。 - 学習可能適応マスク(LAM)で知覚を改善。 - ハイブリッド報酬で環境フィードバックとIRL報酬を統合。 - FSM模倣とPPO微調整の2段階学習。 - 96%成功率と衝突0.05/1kステップを達成し新ベンチマーク。 - 先行研究と比べてどこがすごいかは要旨からは不明。

3. 技術・手法の肝は?

- 逆強化学習(IRL)フレームワーク。 - 拡散ベース適応ルックアヘッドプランナー(DAL)。 - 専門家FSMコントローラからの模倣学習で初期化。 - 環境項とIRL識別器信号を組み合わせ。 - ハイブリッド報酬: 拡散環境フィードバック + ターゲットIRL報酬。 - 条件付き拡散モデルが安全監督者として安全経路を計画。 - 学習可能適応マスク(LAM)が車速と近傍危険に基づき視覚注意をシフト。 - FSM模倣後、PPOでポリシーを微調整。 - Webotsシミュレータで2段階カリキュラム学習。

4. どうやって有効だと検証した?

- Webotsシミュレータで2段階カリキュラムを用いて訓練。 - 96%の成功率を達成。 - 衝突を1kステップあたり0.05に削減。 - 安全ナビゲーションの新ベンチマークを確立。 - エージェントが車線内走行だけでなく危険状況も専門家レベルで処理しロバスト性向上。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、逆強化学習(IRL)、拡散モデル(diffusion models)、Proximal Policy Optimization (PPO)、有限状態機械(FSM)が挙げられる。 - 同分野の定番として、模倣学習(imitation learning)、強化学習(RL)が考えられる。

※ 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: Seyed Ahmad Hosseini Miangoleh, Amin Jalal Aghdasian, Farzaneh Abdollahi

分類: cs.RO, cs.AI

原文アブストラクト

This paper proposes a novel inverse reinforcement learning framework using a diffusion-based adaptive lookahead planner (IRL-DAL) for autonomous vehicles. Training begins with imitation from an expert finite state machine (FSM) controller to provide a stable initialization. Environment terms are combined with an IRL discriminator signal to align with expert goals. Reinforcement learning (RL) is then performed with a hybrid reward that combines diffuse environmental feedback and targeted IRL rewards. A conditional diffusion model, which acts as a safety supervisor, plans safe paths. It stays in its lane, avoids obstacles, and moves smoothly. Then, a learnable adaptive mask (LAM) improves perception. It shifts visual attention based on vehicle speed and nearby hazards. After FSM-based imitation, the policy is fine-tuned with Proximal Policy Optimization (PPO). Training is run in the Webots simulator with a two-stage curriculum. A 96\% success rate is reached, and collisions are reduced to 0.05 per 1k steps, marking a new benchmark for safe navigation. By applying the proposed approach, the agent not only drives in lane but also handles unsafe conditions at an expert level, increasing robustness.We make our code publicly available.

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