Buchumschlag

DeepMF: Deep Motion Factorization for Closed-Loop Safety-Critical Driving Scenario Simulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yizhe, Zhang, Linrui, Wang, Xueqian, Liu, Houde, Liang, Bin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Augmenting Safety-Critical Driving Scenarios while Preserving Similarity to Expert Trajectories
von: Mirkhani, Hamidreza, et al.
Veröffentlicht: (2024)

Fusing Driver Perceived and Physical Risk for Safety Critical Scenario Screening in Autonomous Driving
von: Xiong, Chen, et al.
Veröffentlicht: (2026)

SEAL: Towards Safe Autonomous Driving via Skill-Enabled Adversary Learning for Closed-Loop Scenario Generation
von: Stoler, Benjamin, et al.
Veröffentlicht: (2024)

ChatScene: Knowledge-Enabled Safety-Critical Scenario Generation for Autonomous Vehicles
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

Distributional Soft Actor-Critic with Harmonic Gradient for Safe and Efficient Autonomous Driving in Multi-lane Scenarios
von: Zhang, Feihong, et al.
Veröffentlicht: (2025)

LD-Scene: LLM-Guided Diffusion for Controllable Generation of Adversarial Safety-Critical Driving Scenarios
von: Peng, Mingxing, et al.
Veröffentlicht: (2025)

Closing the Loop: Coordinating Inventory and Recommendation via Deep Reinforcement Learning on Multiple Timescales
von: Jiang, Jinyang, et al.
Veröffentlicht: (2025)

Continual Driving Policy Optimization with Closed-Loop Individualized Curricula
von: Niu, Haoyi, et al.
Veröffentlicht: (2023)

BridgeDrive: Diffusion Bridge Policy for Closed-Loop Trajectory Planning in Autonomous Driving
von: Liu, Shu, et al.
Veröffentlicht: (2025)

Offline Goal-Conditioned Reinforcement Learning for Safety-Critical Tasks with Recovery Policy
von: Cao, Chenyang, et al.
Veröffentlicht: (2024)

Learning from Risk: LLM-Guided Generation of Safety-Critical Scenarios with Prior Knowledge
von: Wang, Yuhang, et al.
Veröffentlicht: (2025)

CAE: Repurposing the Critic as an Explorer in Deep Reinforcement Learning
von: Li, Yexin
Veröffentlicht: (2025)

ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving
von: Nie, Tong, et al.
Veröffentlicht: (2026)

Anomaly Detection Based on Critical Paths for Deep Neural Networks
von: Zhao, Fangzhen, et al.
Veröffentlicht: (2025)

UACER: An Uncertainty-Adaptive Critic Ensemble Framework for Robust Adversarial Reinforcement Learning
von: Wu, Jiaxi, et al.
Veröffentlicht: (2025)

SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries
von: Chang, Wei-Jer, et al.
Veröffentlicht: (2023)

Closed Loop Dynamic Driving Data Mixture for Real-Synthetic Co-Training
von: Ruan, Hongzhi, et al.
Veröffentlicht: (2026)

LoopTool: Closing the Data-Training Loop for Robust LLM Tool Calls
von: Zhang, Kangning, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios
von: Chen, Dianwei, et al.
Veröffentlicht: (2024)

Safety Reasoning with Guidelines
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

PPNet: A Two-Stage Neural Network for End-to-end Path Planning
von: Meng, Qinglong, et al.
Veröffentlicht: (2024)

DeepEN: A Deep Reinforcement Learning Framework for Personalized Enteral Nutrition in Critical Care
von: Tan, Daniel Jason, et al.
Veröffentlicht: (2025)

DEER: A Delay-Resilient Framework for Reinforcement Learning with Variable Delays
von: Xia, Bo, et al.
Veröffentlicht: (2024)

Doe-1: Closed-Loop Autonomous Driving with Large World Model
von: Zheng, Wenzhao, et al.
Veröffentlicht: (2024)

Distribution Preference Optimization: A Fine-grained Perspective for LLM Unlearning
von: Qin, Kai, et al.
Veröffentlicht: (2025)

Deep Temporal Graph Clustering
von: Liu, Meng, et al.
Veröffentlicht: (2023)

A Unified Deep Reinforcement Learning Approach for Close Enough Traveling Salesman Problem
von: Fan, Mingfeng, et al.
Veröffentlicht: (2025)

Copilot-Assisted Second-Thought Framework for Brain-to-Robot Hand Motion Decoding
von: Li, Yizhe, et al.
Veröffentlicht: (2026)

Ask-AC: An Initiative Advisor-in-the-Loop Actor-Critic Framework
von: Liu, Shunyu, et al.
Veröffentlicht: (2022)

Simulation Priors for Data-Efficient Deep Learning
von: Treven, Lenart, et al.
Veröffentlicht: (2025)

Predictive Crash Analytics for Traffic Safety using Deep Learning
von: Sivakoti, Karthik
Veröffentlicht: (2025)

Broad Critic Deep Actor Reinforcement Learning for Continuous Control
von: Thalagala, Shiron, et al.
Veröffentlicht: (2024)

Decorrelated Soft Actor-Critic for Efficient Deep Reinforcement Learning
von: Küçükoğlu, Burcu, et al.
Veröffentlicht: (2025)

A Geometrically-Grounded Drive for MDL-Based Optimization in Deep Learning
von: Lei, Ming, et al.
Veröffentlicht: (2026)

Towards Scalable and Deep Graph Neural Networks via Noise Masking
von: Liang, Yuxuan, et al.
Veröffentlicht: (2024)

From Learning to Mastery: Achieving Safe and Efficient Real-World Autonomous Driving with Human-In-The-Loop Reinforcement Learning
von: Zeqiao, Li, et al.
Veröffentlicht: (2025)

DeepAFL: Deep Analytic Federated Learning
von: Tang, Jianheng, et al.
Veröffentlicht: (2026)

DriveGen: Towards Infinite Diverse Traffic Scenarios with Large Models
von: Zhang, Shenyu, et al.
Veröffentlicht: (2025)

Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving
von: Sun, Zhengqi, et al.
Veröffentlicht: (2026)

DFWLayer: Differentiable Frank-Wolfe Optimization Layer
von: Liu, Zixuan, et al.
Veröffentlicht: (2023)