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:2607.17521

GeoWorldAD: 自動運転のための幾何学的世界アクションモデル

GeoWorldAD: Geometry World Action Model for Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

自動運転のための行動モデルに、自己中心の3D空間での軌道計画と、潜在的な未来の幾何学トークンによる短期的なシーン進化の予測を組み込んだ手法を提案し、NAVSIMベンチマークで最高性能を達成した。

詳しい要約

1. どんなもの?

GeoWorldADは、自動運転のための軌道計画を3D空間に明示的に接地し、短期的なシーン進化を潜在的な未来ジオメトリトークンで予測する、ジオメトリワールドアクションモデルである。動的3D環境での安全かつ効率的な計画決定を目的とし、現在のジオメトリによる空間制約と未来ジオメトリによる過度に保守的でない判断を両立する。

2. 先行研究と比べてどこがすごい?

従来のVision/Video-Actionモデルは視覚観察から直接ポリシーを学習し、Vision Transformerや大規模データでスケールするが、明示的な幾何学的接地や未来を考慮した空間ガイダンスが欠如していた。GeoWorldADは、ego-aligned 3D空間への軌道計画の接地と、潜在的な未来ジオメトリトークンによるシーン進化の予測を導入し、衝突回避と走行進捗のバランスを改善する点が新しい。

3. 技術・手法の肝は?

手法の核は、現在のジオメトリ(ego-aligned 3D空間)と未来ジオメトリ(潜在トークン)を活用すること。具体的には、マルチスケールの現在ジオメトリと潜在未来ジオメトリを反復的な軌道洗練(iterative trajectory refinement)を通じて段階的に集約する。これにより、安全な計画のための空間制約と、周囲エージェントや自由空間の進化を考慮した効率的な判断を実現する。

4. どうやって有効だと検証した?

NAVSIM v1およびv2データセットを用いて実験を行い、最先端(state-of-the-art)の性能を達成した。これにより、明示的な3Dジオメトリ接地と未来ジオメトリワールドモデリングの有効性を実証した。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な欠点についての議論は不明。また、計算コストや実世界でのロバスト性、他のセンサーモダリティとの統合などについては言及されていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、Vision/Video-ActionモデルやVision Transformerを用いた自動運転の行動学習、およびジオメトリを活用した軌道予測に関する論文が関連する。具体的には、NAVSIMベンチマークに関連する研究や、3Dシーン理解と将来予測を組み合わせた手法が挙げられる。

※ 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: Songyan Zhang, Jinyuan Tian, Hanbing Li, Daqi Liu, Hao Chen, Wenhui Huang, Fang Li, Guang Chen, Hangjun Ye, Long Chen, Kuiyuan Yang, Chen Lv

分類: cs.RO

原文アブストラクト

Autonomous driving requires both safe and efficient planning decisions in dynamic 3D environments. Although recent Vision/Video-Action models learn policies directly from visual observations and scale well with advances in vision transformers and large-scale training data, they often lack explicit geometric grounding and future-aware spatial guidance, limiting their ability to balance collision avoidance and driving progress. In this work, we propose GeoWorldAD, a geometry world action model that grounds trajectory planning in ego-aligned 3D space and anticipates short-horizon scene evolution with latent future geometry tokens. Present geometry provides essential spatial constraints for safe planning, while future geometry reveals how surrounding agents and ego-centric free space may evolve, reducing overly conservative decisions without sacrificing safety. To efficiently exploit these geometric cues, GeoWorldAD progressively aggregates multi-scale present geometry and latent future geometry through iterative trajectory refinement. Experiments on NAVSIM v1 and v2 demonstrate state-of-the-art performance, highlighting the effectiveness of explicit 3D geometry grounding and future geometry world modeling for safe and efficient autonomous driving.

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