自動運転/V2X協調2026/9/29arXiv:2609.37098

V2X-WAM: 協調型ワールドアクションモデルによるエンドツーエンド自動運転

V2X-WAM: A Cooperative World Action Model for End-to-End Autonomous Driving

車車間・路車間協調で得た情報から信頼性を考慮した時空間表現を作り、将来の交通環境の予測と軌道計画を相互にフィードバックして精度と安全性を高める自動運転モデルを提案した。

詳しい要約

1. どんなもの？

- 車両とインフラの協調によるend-to-end自動運転のためのWorld Action Model「V2X-WAM」を提案。 - 協調的なscene理解、action生成、future-world推論を密結合。 - 車両側とインフラ側の観測からreliability-awareな時空間表現を構築。 - インフラ情報を量子化メッセージに圧縮して通信効率化。 - multimodal plannerが将来軌道を生成し、future occupancyとdynamic-flow予測を条件付け。 - 予測されたworld consequencesを軌道にフィードバックし、actionとfuture-world evolutionの閉ループを形成。

2. 先行研究と比べてどこがすごい？

- 既存の協調運転手法は路側情報を現scene表現の強化に主に利用し、将来の運転行動の結果を明示的にモデル化していなかった。 - V2X-WAMはactionとfuture-world evolutionの閉ループを形成し、計画器が決定と交通環境の進化の相互作用を予測可能に。 - 大規模実世界協調運転データセットで、代表的なend-to-end協調運転手法より計画精度と安全性を一貫して改善。 - より強いfuture-world予測と大幅に低い通信オーバーヘッドを実現。

3. 技術・手法の肝は？

- 車両・インフラ観測からreliability-awareな時空間表現を構築。 - インフラ情報をcompact quantized messageに圧縮し効率的通信を実現。 - 協調表現に基づきmultimodal plannerが将来軌道を生成。 - 生成軌道がfuture occupancyとdynamic-flow予測を明示的に条件付け。 - 予測されたworld consequencesを計画軌道にフィードバックし、actionとfuture-world evolutionの閉ループを形成。

4. どうやって有効だと検証した？

- 大規模実世界協調運転データセットでの実験により、代表的なend-to-end協調運転手法と比較して計画精度と安全性の一貫した改善を確認。 - より強いfuture-world予測と大幅に低い通信オーバーヘッドを達成。 - Ablation studiesにより提案設計の有効性を検証。

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end-to-end cooperative driving、world model、occupancy prediction、dynamic-flow prediction、V2X communication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: Junwei You, Weizhe Tang, Can Wang, Yan Zhao, Jun Hua, Haotian Shi, Wei Zhang, Lin Wang, Bin Ran

分類: cs.RO, cs.CV

原文アブストラクト

Vehicle-infrastructure cooperation can complement onboard sensing with broader and more informative observations of the traffic environment, providing valuable support for end-to-end autonomous driving. However, existing cooperative driving methods mainly exploit roadside information to enhance the representation of the current scene, while the future consequences of prospective driving actions are rarely modeled explicitly. This limits the ability of the planner to anticipate how its decisions may interact with the evolving traffic environment. To address this issue, we propose V2X-WAM, a cooperative world action model that tightly couples cooperative scene understanding, action generation, and future-world reasoning. V2X-WAM constructs a reliability-aware spatiotemporal representation from vehicle- and infrastructure-side observations, while compressing infrastructure information into a compact quantized message for efficient communication. Based on the resulting cooperative representation, a multimodal planner generates prospective trajectories, which explicitly condition future occupancy and dynamic-flow prediction. The predicted world consequences are then fed back to refine the planned trajectory, forming a closed interaction between action and future-world evolution. Experiments on a large-scale real-world cooperative driving dataset demonstrate that V2X-WAM consistently improves planning accuracy and safety over representative end-to-end cooperative driving methods, while achieving stronger future-world prediction and substantially lower communication overhead. Ablation studies further validate the effectiveness of the proposed design.

arXivで原文を読む →arXiv概要ページ

← 論文一覧