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:2603.07901

NaviDriveVLM: 自動運転のための高レベル推論と動作計画の分離

NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

自動運転向けに、大規模な推論モデルと軽量な動作生成モデルを分離したフレームワークを提案し、nuScenesベンチマークで性能を向上させた。

詳しい要約

1. どんなもの?

- どんなもの? - VLMベースのend-to-end自動運転フレームワーク。 - 高レベル推論とmotion planningを分離。 - 大規模Navigatorと軽量Driverで構成。 - 推論能力を保持しつつ訓練コストを削減。 - 解釈可能な中間表現を提供。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 既存VLMベースシステムは推論と計画のトレードオフ。 - 大規模モデルは高コスト、小規模モデルは推論弱い。 - 提案手法は分離により推論能力を維持。 - 訓練コストを削減し、明示的な中間表現を提供。 - nuScenesで大規模VLMベースラインを上回る。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - 大規模Navigatorが高レベル推論を担当。 - 軽量で訓練可能なDriverがmotion planningを担当。 - 推論と行動生成を分離するdecoupledフレームワーク。 - 中間表現を介して下流計画に接続。 - これにより訓練コスト削減と解釈性向上。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - nuScenesベンチマークで実験。 - end-to-end motion planningタスクで評価。 - 大規模VLMベースラインと比較。 - 提案手法が性能で上回ることを確認。

5. 議論はある?

- 議論はある? - 要旨からは不明。 - 具体的な限界や課題は記述なし。

6. 次に読むべき論文は?

- 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ず。 - 同分野の定番としてVLM-based end-to-end autonomous drivingの論文。 - 具体的にはnuScenesベンチマークを用いたVLMベースライン。

※ 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: Ximeng Tao, Pardis Taghavi, Dimitar Filev, Reza Langari, Gaurav Pandey

分類: cs.RO, cs.LG

原文アブストラクト

Vision-language models (VLMs) have emerged as a promising direction for end-to-end autonomous driving (AD) by jointly modeling visual observations, driving context, and language-based reasoning. However, existing VLM-based systems face a trade-off between high-level reasoning and motion planning: large models offer strong semantic understanding but are costly to adapt for precise control, whereas small VLM models can be fine-tuned efficiently but often exhibit weaker reasoning. We propose NaviDriveVLM, a decoupled framework that separates reasoning from action generation using a large-scale Navigator and a lightweight trainable Driver. This design preserves reasoning ability, reduces training cost, and provides an explicit interpretable intermediate representation for downstream planning. Experiments on the nuScenes benchmark show that NaviDriveVLM outperforms large VLM baselines in end-to-end motion planning.

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