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:2604.03581

HAD: 階層拡散とメトリック分離型強化学習を組み合わせたエンドツーエンド運転

HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving

シェア:XThreadsFacebookLINEはてブBluesky

自動運転のエンドツーエンド計画において、粗密の階層拡散ポリシーと複数運転目標を分離して最適化する強化学習手法を提案し、NAVSIMとHUGSIMで大幅な性能向上を達成した。

詳しい要約

1. どんなもの?

- 自動運転のためのend-to-end planningフレームワークHADを提案。 - Hierarchical Diffusion Policyにより、coarse-to-fineの計画プロセスを実現。 - Structure-Preserved Trajectory Expansionで現実的な候補を生成。 - Metric-Decoupled Policy Optimization (MDPO)で複数の運転目標に対する構造化RL最適化を可能に。 - NAVSIMとHUGSIMで新たなstate-of-the-artを達成。

2. 先行研究と比べてどこがすごい?

- 従来のscoring-selectionフレームワークは候補空間全体からの選択が最適化困難。 - diffusionのGaussian perturbationsは非現実的な軌道を生み、denoisingを複雑化。 - 既存のend-to-end RLは単一のcoupled rewardに依存し、構造化信号がなく最適化効果が限定的。 - HADはこれらの課題を解決し、NAVSIMで+2.3 EPDMS、HUGSIMで+4.9 Route Completionと大幅に先行研究を上回る。

3. 技術・手法の肝は?

- Hierarchical Diffusion Policy: 計画をcoarse-to-fineに分解。 - Structure-Preserved Trajectory Expansion: キネマティック構造を維持しつつ現実的な候補を生成。 - Metric-Decoupled Policy Optimization (MDPO): 複数の運転目標にわたる構造化RL最適化を実現。

4. どうやって有効だと検証した?

- NAVSIMとHUGSIMでの広範な実験により検証。 - NAVSIMで+2.3 EPDMS、HUGSIMで+4.9 Route Completionの改善を達成し、新たなstate-of-the-artを確立。

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、diffusion-based decoding、scoring-selection framework、end-to-end RL approachesが挙げられる。 - 同分野の定番として、NAVSIMやHUGSIMベンチマーク、Hierarchical Diffusion Policy、Metric-Decoupled Policy Optimization (MDPO)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: Wenhao Yao, Xinglong Sun, Zhenxin Li, Shiyi Lan, Zi Wang, Jose M. Alvarez, Zuxuan Wu

分類: cs.RO, cs.CV

原文アブストラクト

End-to-end planning has emerged as a dominant paradigm for autonomous driving, where recent models often adopt a scoring-selection framework to choose trajectories from a large set of candidates, with diffusion-based decoding showing strong promise. However, directly selecting from the entire candidate space remains difficult to optimize, and Gaussian perturbations used in diffusion often introduce unrealistic trajectories that complicate the denoising process. In addition, for training these models, reinforcement learning (RL) has shown promise, but existing end-to-end RL approaches typically rely on a single coupled reward without structured signals, limiting optimization effectiveness. To address these challenges, we propose HAD, an end-to-end planning framework with a Hierarchical Diffusion Policy that decomposes planning into a coarse-to-fine process. To improve trajectory generation, we introduce Structure-Preserved Trajectory Expansion, which produces realistic candidates while maintaining kinematic structure. For policy learning, we develop Metric-Decoupled Policy Optimization (MDPO) to enable structured RL optimization across multiple driving objectives. Extensive experiments show that HAD achieves new state-of-the-art performance on both NAVSIM and HUGSIM, outperforming prior arts by a huge margin: +2.3 EPDMS on NAVSIM and +4.9 Route Completion on HUGSIM.

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