arXiv の自動運転研究を全数カバーして日本語でまとめる
MoRAL: Sensor-Grounded BEV Reasoning for Compact VLMs toward Edge-Oriented Autonomous Driving
MoRALは、物理量を符号化したBEV画像を2段階LoRAで2B VLMに学習させ、ゼロショット8Bを上回る安全推論を実現したと報告している。緊急ブレーキ再現率は10.8%から47.8%に改善し、8GB GPUで42 tok/sで動作する。
DecoupleGS: Interactive 3D Gaussian Splatting for End-to-End Autonomous Driving Testing
静的背景と操作可能な車両アセットを分離した3DGSフレームワークで、圧縮・地図整合・再ライティングによりクローズドループのエンドツーエンド（E2E）テストを実現した。45 FPS・Driving Score 0.884を達成し、実画像に近いオープンループ挙動（mADE 0.82m）を示した。
Deferred Exposure of Future Trajectories for Verifiable Reasoning in Autonomous Driving VLMs
自動運転VLMのCoT教師データ作成でGT軌跡を先行提示すると「軌跡アンカリングバイアス」が生じることを実証し、候補軌跡選択ベンチマークAD-MCQと、推論後に候補を開示するDEFT-RLVRを提案した。Qwen3-VL-8Bで候補選択精度を28.1%から77.9%へ向上し、汎用視覚能力も平均54.81%から56.09%へ向上したと報告している。
Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving
将来シーンを密に予測するのではなく、自車の将来軌跡の潜在表現だけを予測する世界モデルを提案し、NAVSIM v1 で 91.3 PDMS を達成したと報告している。予測した「意図」を検索キーとして固定の軌跡メモリから実行可能な軌跡を引く構成で、軌跡生成器を学習しない点が特徴である。