https://ad-watch.pages.devarXiv の自動運転研究の全数カバー／要約jahttps://ad-watch.pages.dev/papers/2608.02449.htmlarxiv:2608.02449MoRAL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。2026-08-03T16:24:17Zhttps://ad-watch.pages.dev/papers/2608.01761.htmlarxiv:2608.01761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。2026-08-03T06:32:00Zhttps://ad-watch.pages.dev/papers/2608.01755.htmlarxiv:2608.01755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。2026-08-03T06:24:36Zhttps://ad-watch.pages.dev/papers/2607.29031.htmlarxiv:2607.29031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。2026-07-31T00:00:00Zhttps://ad-watch.pages.dev/papers/2312.07488.htmlarxiv:2312.07488LMDriveは、自然言語指示とマルチモーダルセンサデータを入力とし、制御信号を直接生成するクローズドループ・エンドツーエンド自動運転モデルであり、著者らはLLMをクローズドループ運転に組み込んだ初の研究と主張している。CARLA上のLangAutoベンチマークで、LLaVA-v1.5バックボーン使用時にDS 36.2を達成した。2023-12-12T18:24:15Zhttps://ad-watch.pages.dev/papers/2310.01412.htmlarxiv:2310.01412DriveGPT4は、LLMを基盤として動画入力から自然言語による車両挙動の説明・理由付けと、速度・操舵角の制御信号予測を同時に行う、解釈可能なエンドツーエンド自動運転システムの初期提案である。BDD-Xデータセット上で、従来のADAPTを複数指標で上回り、特に速度予測RMSEを3.02から1.30へ改善した。2023-10-02T17:59:52Zhttps://ad-watch.pages.dev/papers/2309.17080.htmlarxiv:2309.17080運転映像・テキスト・アクションを離散トークン化し、自己回帰的トークン予測とビデオ拡散デコーダを組み合わせることで、現実的な運転シナリオを生成できる世界モデルを提案した。2023-09-29T09:20:37Zhttps://ad-watch.pages.dev/papers/2306.16927.htmlarxiv:2306.16927270以上の論文を整理し、エンドツーエンド自動運転の方法論、ベンチマーク、課題、将来動向を体系的にまとめたサーベイである。CARLAリーダーボードのスコア推移から2021年頃の性能急伸を示し、クローズドループ評価の重要性と因果混乱などの未解決課題を標準的な枠組みとして確立した。2023-06-29T14:17:24Zhttps://ad-watch.pages.dev/papers/2306.07957.htmlarxiv:2306.07957CARLA上の最高性能（SOTA）手法には、目標点追従による横方向の回復と、ウェイポイントの多峰性を平均化する縦方向制御という2つの隠れたバイアスがあることを示した。この分析に基づくTransFuser++（TF++）は、エンドツーエンド（認識から制御までを単一モデルで学習する方式）の手法としてLongest6で運転スコアを従来の最高性能（SOTA）から11ポイント伸ばし、同ベンチマークとLAVで1位を達成した。2023-06-13T17:55:17Zhttps://ad-watch.pages.dev/papers/2303.12077.htmlarxiv:2303.12077VADは、ラスタライズ表現を排除し、完全ベクトル化されたシーン表現とインスタンスレベルの計画制約を用いるエンドツーエンド自動運転を提案した。nuScenesオープンループ評価で衝突率を29.0%削減（UniAD比）し、2.5倍高速な推論を実現した。2023-03-21T17:59:22Zhttps://ad-watch.pages.dev/papers/2302.07817.htmlarxiv:2302.07817TPVFormerは、BEV表現に垂直な2平面を加えた三視点（TPV）表現で3Dシーンをモデル化し、カメラ画像のみから全ボクセルのセマンティック占有を予測する手法を提案した。nuScenesのLiDARセグメンテーションでLiDARベースのPolarNetと同等のmIoU 69.4を達成し、視覚中心の占有予測研究の基盤を築いた。2023-02-15T17:58:10Zhttps://ad-watch.pages.dev/papers/2212.10156.htmlarxiv:2212.10156計画を最終目的として認識・予測の5タスクをクエリベースのインターフェースで単一ネットワークに統合したエンドツーエンドの自動運転フレームワークUniADを提案した。nuScenes検証セットで計画L2誤差を平均1.03m（ST-P3比で51.2%減）、衝突率を0.31%（同56.3%減）まで低減した。2022-12-20T10:47:53Zhttps://ad-watch.pages.dev/papers/2210.14222.htmlarxiv:2210.14222PlanTは、オブジェクトレベルのコンパクトな入力を標準トランスフォーマーで処理する模倣学習ベースのプランナーで、CARLA Longest6ベンチマークで専門家の運転スコアに並ぶ81.36を達成した。注目重みをそのまま利用して関連物体の識別を定量化する評価プロトコル（RFDS）を提案した点も貢献である。2022-10-25T17:59:46Zhttps://ad-watch.pages.dev/papers/2205.13542.htmlarxiv:2205.13542カメラ特徴をLiDAR点群に投影する従来の点レベル融合に代わり、カメラとLiDARの特徴を同一のBEV（鳥瞰図表現）空間で統合する枠組みを提案した。nuScenes上で3D物体検出のmAPとNDSを1.3%向上、BEVマップセグメンテーションのmIoUを13.6%向上し、計算コストを1.9倍低減したと報告している。2022-05-26T17:59:35Zhttps://ad-watch.pages.dev/papers/2203.17270.htmlarxiv:2203.17270BEVFormerは、グリッド状のBEVクエリと空間クロスアテンション・時間自己アテンションにより、複数カメラ画像から深度推定を使わずにBEV特徴を生成し、3D物体検出と地図セグメンテーションを統一的な表現で解く手法である。nuScenes testセットでNDS 56.9%を達成し、当時のカメラベース最高性能を9.0ポイント上回った。2022-03-31T17:59:01Zhttps://ad-watch.pages.dev/papers/2203.05625.htmlarxiv:2203.05625PETRは、3D座標を位置埋め込みとして2D画像特徴に重畳し、トランスフォーマーデコーダが3D位置認識特徴と直接相互作用するエンドツーエンドのマルチビュー3D物体検出手法である。nuScenesテストセットで外部データ使用時にNDS 50.4%、mAP 44.1%を達成し、カメラのみの手法として初めてNDS 50%を超えたと報告している。2022-03-10T20:33:28Zhttps://ad-watch.pages.dev/papers/2112.11790.htmlarxiv:2112.11790BEVDetは、カメラ画像をBEVに変換して3D物体検出を行うパラダイムを確立した。BEV空間専用のデータ拡張とScale-NMSにより、nuScenes valで従来手法を上回る精度と速度の両立を実現した。2021-12-22T10:48:06Zhttps://ad-watch.pages.dev/papers/2109.12674.htmlarxiv:2109.12674構成可能な運転シミュレータMetaDriveを提案し、手続き生成と実データ取り込みで多様なシナリオを生成できるようにした。訓練シナリオ数を増やすと未見シナリオへの汎化が向上することを示した。2021-09-26T18:34:55Zhttps://ad-watch.pages.dev/papers/2109.04456.htmlarxiv:2109.04456NEATは、BEV（鳥瞰図表現）空間の任意クエリに応じて画像特徴を圧縮するエンドツーエンド（認識から制御までを単一モデルで学習する方式）の運転モデルである。CARLA 0.9.10の内部評価で既存の画像ベース手法を上回り、非公開ルートでは上位3者中で最高の安全スコアを達成した。2021-09-09T17:55:28Zhttps://ad-watch.pages.dev/papers/2108.08265.htmlarxiv:2108.08265強化学習で訓練したBEV入力の専門家（Roach）を模倣することで、単眼カメラ入力のエンドツーエンド運転エージェントがCARLA NoCrash-denseで78%の成功率を達成した。2021-08-18T17:36:51Zhttps://ad-watch.pages.dev/papers/2106.11810.htmlarxiv:2106.11810自動運転のMLベース計画のための世界初のクローズドループ評価ベンチマークを提案した。1500時間・4都市のデータと計画専用メトリクスを備え、以後の計画研究の評価基盤となった。2021-06-22T14:24:55Zhttps://ad-watch.pages.dev/papers/2105.00636.htmlarxiv:2105.00636記録済み運転ログに対し、世界を非反応的（world on rails）と仮定してego車両の前方モデルとベルマン方程式の後退帰納から行動価値を計算し、それを教師信号に視覚のみの運転ポリシーを蒸留する手法を提案した。CARLA leaderboardで先行最高のIAより25%高い運転スコアを40分の1のデータ量で達成し、ProcGenナビゲーションでもモデルフリーRLより一桁高いサンプル効率を示した。2021-05-03T05:55:30Zhttps://ad-watch.pages.dev/papers/2104.09224.htmlarxiv:2104.09224カメラ画像とLiDARのBEV表現を、トランスフォーマーの自己注意機構で複数解像度にわたって融合するTransFuserを提案し、CARLA 0.9.10の複雑な都市シナリオで幾何学的融合と比較して衝突を76%削減した。2021-04-19T11:48:13Zhttps://ad-watch.pages.dev/papers/2008.08294.htmlarxiv:2008.08294TNTは、将来の目標状態を離散候補として予測し、目標に条件づけて軌跡を生成・選択する3段階構成の軌跡予測フレームワークであり、Argoverse・INTERACTION・Stanford Drone・社内データセットで最高性能（SOTA）を達成したと報告している。2020-08-19T06:52:46Zhttps://ad-watch.pages.dev/papers/2008.05711.htmlarxiv:2008.05711マルチカメラ画像を各カメラの視錐台状特徴に「リフト」し、鳥瞰グリッドに「スプラット」することで、エンドツーエンドにBEV表現を学習するLift-Splat-Shootを提案し、BEVセグメンテーションで既存手法を上回った。2020-08-13T06:29:01Zhttps://ad-watch.pages.dev/papers/2006.11275.htmlarxiv:2006.11275CenterPointは、3D物体を中心点として表現することで検出と追跡を単純化し、nuScenesの検出・追跡の両方で最高性能（SOTA）を達成したと報告している。2020-06-19T17:59:39Zhttps://ad-watch.pages.dev/papers/2005.04259.htmlarxiv:2005.04259VectorNetは、高精度地図とエージェント軌道をベクトル化して階層グラフネットワークで符号化し、軌道予測の入力表現としてレンダリング+ConvNetに代わる標準的な方向性を確立した。Argoverse検証セットでDE@3sをConvNet最良の4.49mから3.67mに改善し、パラメータ数を約70%削減した。2020-05-08T19:07:03Zhttps://ad-watch.pages.dev/papers/2001.03093.htmlarxiv:2001.03093Trajectron++は、エージェントのダイナミクス制約とセマンティックマップを組み込んだグラフ構造リカレントモデルであり、軌跡予測の精度と実ロボット応用への統合性を両立させた。標準ベンチマークで既存手法を上回り、特に境界逸脱や衝突予測の低減に効果を示した。2020-01-09T16:47:17Zhttps://ad-watch.pages.dev/papers/1912.13192.htmlarxiv:1912.13192ボクセルCNNの効率的な学習とPointNetベースのセットアブストラクションの柔軟な受容野を統合した2段階検出器を提案し、KITTIテストセットで従来のLiDARのみの手法を1.72ポイント（Moderate）上回るなど、当時の最高性能（SOTA）を達成した。2019-12-31T06:34:10Zhttps://ad-watch.pages.dev/papers/1912.12294.htmlarxiv:1912.12294特権情報（鳥瞰図マップ）を持つ教師エージェントを先に訓練し、その教師を模倣する形で視覚のみのセンサモータエージェントを訓練する2段階学習を提案した。CARLAベンチマークで初めて全タスク成功率100%を達成し、NoCrashベンチマークでも最高成績を記録した。2019-12-27T18:59:04Zhttps://ad-watch.pages.dev/papers/1912.04838.htmlarxiv:1912.04838Waymo Open Datasetは、5台のLiDARと5台のカメラによる1,150シーン（各20秒）のマルチモーダル自動運転データセットと、ヘディングを考慮した検出指標APHを公開した。データ規模の増加が3D検出性能を向上させ、都市間のドメインギャップが性能差を生むことを定量的に示した。2019-12-10T17:28:55Zhttps://ad-watch.pages.dev/papers/1911.02620.htmlarxiv:1911.02620自動運転向けの3Dトラッキングとモーション予測のためのデータセットを公開した。高精度地図を含む初のデータセットであり、地図情報が両タスクの精度を向上させると報告している。2019-11-06T20:27:27Zhttps://ad-watch.pages.dev/papers/1910.05449.htmlarxiv:1910.05449固定されたアンカー軌跡の集合に対する離散分布と、各アンカーからのオフセットと不確実性の回帰を組み合わせ、1回の推論で多峰的な将来軌跡のガウス混合分布を得る方式を提案した。2019-10-12T00:34:37Zhttps://ad-watch.pages.dev/papers/1904.08980.htmlarxiv:1904.08980自動運転向けビヘイビア・クローニング（Behavior Cloning）の拡張性と限界を調べる新しいベンチマークを提案した。未知環境や複雑な運転操作で最高性能（SOTA）を達成する一方、データセットバイアス・過学習・動的物体への一般化不足・因果モデル欠如・学習不安定性といった実車適用を妨げる課題を確認した。2019-04-18T19:29:56Zhttps://ad-watch.pages.dev/papers/1903.11027.htmlarxiv:1903.11027nuScenesは、6台のカメラ・5台のレーダー・1台のLiDARというフルセンサスイートを備えた初の自動運転データセットであり、1000シーン（各20秒）に23クラス・8属性の3Dバウンディングボックスを付与した。新たな3D検出・追跡指標を定義し、LiDAR・画像ベースのベースラインを提供している。2019-03-26T17:19:56Zhttps://ad-watch.pages.dev/papers/1812.05784.htmlarxiv:1812.05784LiDAR点群をpillarと呼ばれる垂直柱に量子化し、PointNetで特徴を学習することで2D畳み込みのみの軽量な検出器を実現した。KITTIのBEV検出で既存手法を上回る66.19 mAPを62Hzで達成し、高速なバージョンでは105Hzで同等性能を得た。2018-12-14T05:15:08Zhttps://ad-watch.pages.dev/papers/1812.03079.htmlarxiv:1812.03079実車運転に耐える模倣学習ポリシーを、専門家軌道への摂動で合成データを作り、衝突・オフロードを罰する損失を加えることで実現した。30 million例の行動クローンでは不十分で、摂動と環境損失の追加が閉ループ性能の鍵だった。2018-12-07T16:04:00Zhttps://ad-watch.pages.dev/papers/1807.08048.htmlarxiv:1807.08048経路（SL）と速度（ST）を交互に最適化するEMフレームワークと、DP＋QPによる凸近似で、L4実運用向けの軽意思決定型プランナーを構成した。2018年5月時点で約6万8000kmの閉ループ実車走行で検証されている。2018-07-20T22:34:17Zhttps://ad-watch.pages.dev/papers/1807.00412.htmlarxiv:1807.00412深層強化学習を実車両の自動運転に初適用し、単眼カメラ画像のみから車線追従を学習できることを実証した。DDPGにオンライン学習したVAE表現を組み合わせることでデータ効率が改善し、少数のエピソードでの学習が可能になった。2018-07-01T22:47:08Zhttps://ad-watch.pages.dev/papers/1806.06498.htmlarxiv:1806.06498都市環境の自動運転を、画像から低次元のアフォーダンスを予測し従来コントローラで制御する直接認識アプローチで実現した。CARLAベンチマークの未見の街で、強化学習や条件付き模倣学習と比較して最大68%の成功率向上を報告している。2018-06-18T04:31:46Zhttps://ad-watch.pages.dev/papers/1805.04687.htmlarxiv:1805.04687米国各地から収集した10万本の運転ビデオと10種類のタスクを備えたBDD100Kを構築し、同質・カスケード・異質のマルチタスク学習の評価を行った。2018-05-12T09:24:21Zhttps://ad-watch.pages.dev/papers/1803.10892.htmlarxiv:1803.10892歩行者軌道予測にGANを導入し、プーリング機構とvariety lossにより多様で社会的に受容可能な将来軌道を生成できることを示した。ETH/UCYデータセットでADE/FDEを改善し、S-LSTM比16倍の高速化を報告した。2018-03-29T01:24:02Zhttps://ad-watch.pages.dev/papers/1711.06396.htmlarxiv:1711.06396点群をボクセル化し、ボクセル内の点群特徴を学習するVFE層とRPNを単一のネットワークに統合したエンドツーエンドの3D物体検出器を提案し、KITTI検出ベンチマークでLiDARのみを用いて従来の最高性能を上回った。2017-11-17T04:25:24Zhttps://ad-watch.pages.dev/papers/1711.03938.htmlarxiv:1711.03938Unreal Engine 4上に構築されたオープンソースの都市運転シミュレータCARLAを提案した。モジュラーパイプラインと模倣学習は新規環境でのナビゲーション成功率がそれぞれ24%と40%だったのに対し、強化学習は3%に留まり、以後の自動運転研究のベンチマーク基盤となった。2017-11-10T17:54:40Zhttps://ad-watch.pages.dev/papers/1708.06374.htmlarxiv:1708.06374RSS（Responsibility-Sensitive Safety）は、自動運転の安全を数学的に検証可能な形式モデルとして定義し、統計的検証では10^-9の致死率保証に10^9時間が必要なのに対し、セマンティックな行動空間とPACセンシングにより10^5時間のオフライン検証で達成できると主張している。2017-08-21T18:22:19Zhttps://ad-watch.pages.dev/papers/1612.00593.htmlarxiv:1612.00593PointNetは点群を直接入力するニューラルネットワークであり、voxelや画像への変換を不要にした。分類・部品分割・シーン解析の3タスクを統一して扱い、当時の最先端と同等以上と報告している。2016-12-02T08:40:40Zhttps://ad-watch.pages.dev/papers/1604.07316.htmlarxiv:1604.07316単一の前向きカメラ画像から操舵指令を直接出力するCNNを訓練し、人間の操舵角のみを教師信号として道路追従を学習できることを実証した。シミュレーション評価に加え、実車で約98%の自動操舵時間割合を報告している。2016-04-25T16:03:56Z