ConsistencyPlanner: 高速サンプリング整合性モデルによるリアルタイムプランニング
ConsistencyPlanner: Real-time Planning with Fast-Sampling Consistency Models
自動運転の閉ループプランニングを高速化するため、整合性モデルを用いた多様な軌道生成と注意機構による特徴統合を提案し、Waymaxシミュレータで安全性を向上させた。
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: Qichao Zhang, Xing Fang, Jiaqi Fang, Zhenwen Cai, Jie Ling, Qiankun Yu, Dongbin Zhao
分類: cs.RO, cs.AI
原文アブストラクト
Closed-loop planning in complex, real-world driving scenarios presents a critical challenge for autonomous driving systems. While traditional rule-based methods are interpretable, their predefined heuristics lack the adaptability for dynamic traffic environments. Learning-based approaches have shown considerable promise. Conversely, learning-based approaches, despite their promise, struggle to balance the modeling diverse and multimodal driving behaviors and real-time planning, often leading to indecisive or unsafe actions. To address this limitation, we propose Consistency Planner, a real-time planning framework with fast-sampling consistency models. Our approach is built upon two key technical contributions. Efficient Multimodal Sampling: We employ fast-sampling consistency models to generate a diverse set of plausible future trajectories. This enables efficient, real-time exploration of multimodal actions, overcoming the computational bottlenecks of previous iterative generative methods. Heterogeneous Feature Fusion: We introduce an attention-enhanced decoder that dynamically integrates heterogeneous input features (including scene feature and action token) into a cohesive representation for robust planning. Extensive evaluation in the Waymax simulator demonstrates superior performance in safety metrics compared to existing methods, with particularly strong results in challenging dynamic scenarios.
関連論文
- GRID-Planner: 拡散プランニングのためのグラフ構造関係報酬整形自動運転プランニング
- INTERACT: アンカー条件付き予測と信頼領域精緻化による自動運転の対話型プランニング自動運転プランニング
- ASSCG: 自動運転における高速・低速LLMプランニングのための適切なゲーティング自動運転プランニング
- AlignDrive: 横縦統合型エンドツーエンド自動運転プランニング自動運転プランニング
- PlannerRFT：閉ループかつサンプル効率の良い微調整による拡散プランナーの強化学習自動運転プランニング
- フローマッチングに基づく対話行動モデリングを用いた自動運転プランニング自動運転プランニング
