Buchumschlag

Diffusion Models for Safety Validation of Autonomous Driving Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Juanran, Schlichting, Marc R., Delecki, Harrison, Kochenderfer, Mykel J.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Planning for Autonomous Vehicles with Diffusion-Based Failure Samplers
von: Wang, Juanran, et al.
Veröffentlicht: (2025)

Diffusion-Based Failure Sampling for Evaluating Safety-Critical Autonomous Systems
von: Delecki, Harrison, et al.
Veröffentlicht: (2024)

Failure Probability Estimation for Black-Box Autonomous Systems using State-Dependent Importance Sampling Proposals
von: Delecki, Harrison, et al.
Veröffentlicht: (2024)

Enhanced Importance Sampling through Latent Space Exploration in Normalizing Flows
von: Kruse, Liam A., et al.
Veröffentlicht: (2025)

Large-Scale Multi-Robot Assembly Planning for Autonomous Manufacturing
von: Brown, Kyle, et al.
Veröffentlicht: (2023)

Risk-aware Meta-level Decision Making for Exploration Under Uncertainty
von: Ott, Joshua, et al.
Veröffentlicht: (2022)

Improving the Resilience of Quadrotors in Underground Environments by Combining Learning-based and Safety Controllers
von: Ward, Isaac Ronald, et al.
Veröffentlicht: (2025)

SCOUT: A Lightweight Framework for Scenario Coverage Assessment in Autonomous Driving
von: Yildiz, Anil, et al.
Veröffentlicht: (2025)

Scene Informer: Anchor-based Occlusion Inference and Trajectory Prediction in Partially Observable Environments
von: Lange, Bernard, et al.
Veröffentlicht: (2023)

Importance Sampling-Guided Meta-Training for Intelligent Agents in Highly Interactive Environments
von: Arief, Mansur, et al.
Veröffentlicht: (2024)

Scalable Importance Sampling in High Dimensions with Low-Rank Mixture Proposals
von: Kruse, Liam A., et al.
Veröffentlicht: (2025)

Safety2Drive: Safety-Critical Scenario Benchmark for the Evaluation of Autonomous Driving
von: Li, Jingzheng, et al.
Veröffentlicht: (2025)

Constrained Hierarchical Monte Carlo Belief-State Planning
von: Jamgochian, Arec, et al.
Veröffentlicht: (2023)

Disentangled Neural Relational Inference for Interpretable Motion Prediction
von: Dax, Victoria M., et al.
Veröffentlicht: (2024)

Temporally Decoupled Diffusion Planning for Autonomous Driving
von: Li, Xiang, et al.
Veröffentlicht: (2026)

A Taxonomy and Review of Algorithms for Modeling and Predicting Human Driver Behavior
von: Bhattacharyya, Raunak P., et al.
Veröffentlicht: (2020)

Towards Benchmarking and Assessing the Safety and Robustness of Autonomous Driving on Safety-critical Scenarios
von: Li, Jingzheng, et al.
Veröffentlicht: (2025)

Mechanistic Interpretability for Learning Assurance of a Vision-Based Landing System
von: Valentin, Romeo, et al.
Veröffentlicht: (2026)

Entropy-regularized Point-based Value Iteration
von: Delecki, Harrison, et al.
Veröffentlicht: (2024)

Predicting Future Spatiotemporal Occupancy Grids with Semantics for Autonomous Driving
von: Toyungyernsub, Maneekwan, et al.
Veröffentlicht: (2023)

DualAD: Dual-Layer Planning for Reasoning in Autonomous Driving
von: Wang, Dingrui, et al.
Veröffentlicht: (2024)

Adaptive Science Operations in Deep Space Missions Using Offline Belief State Planning
von: Kim, Grace Ra, et al.
Veröffentlicht: (2025)

Foundational World Models Accurately Detect Bimanual Manipulator Failures
von: Ward, Isaac R., et al.
Veröffentlicht: (2026)

Aircraft Collision Avoidance Systems: Technological Challenges and Solutions on the Path to Regulatory Acceptance
von: Katz, Sydney M., et al.
Veröffentlicht: (2025)

Discrete Contrastive Learning for Diffusion Policies in Autonomous Driving
von: Kujanpää, Kalle, et al.
Veröffentlicht: (2025)

Safety Implications of Explainable Artificial Intelligence in End-to-End Autonomous Driving
von: Atakishiyev, Shahin, et al.
Veröffentlicht: (2024)

Balancing Progress and Safety: A Novel Risk-Aware Objective for RL in Autonomous Driving
von: Abouelazm, Ahmed, et al.
Veröffentlicht: (2025)

VLM-SAFE: Vision-Language Model-Guided Safety-Aware Reinforcement Learning with World Models for Autonomous Driving
von: Qu, Yansong, et al.
Veröffentlicht: (2025)

Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving
von: Li, Pengxiang, et al.
Veröffentlicht: (2025)

Enhancing Autonomous Driving Systems with On-Board Deployed Large Language Models
von: Baumann, Nicolas, et al.
Veröffentlicht: (2025)

Characterized Diffusion Networks for Enhanced Autonomous Driving Trajectory Prediction
von: Li, Haoming
Veröffentlicht: (2024)

Seeking to Collide: Online Safety-Critical Scenario Generation for Autonomous Driving with Retrieval Augmented Large Language Models
von: Mei, Yuewen, et al.
Veröffentlicht: (2025)

Enhanced Safety in Autonomous Driving: Integrating Latent State Diffusion Model for End-to-End Navigation
von: Chu, Detian, et al.
Veröffentlicht: (2024)

ExpertAD: Enhancing Autonomous Driving Systems with Mixture of Experts
von: Jiang, Haowen, et al.
Veröffentlicht: (2025)

Unleashing the Potential of Diffusion Models for End-to-End Autonomous Driving
von: Zheng, Yinan, et al.
Veröffentlicht: (2026)

Self-supervised Multi-future Occupancy Forecasting for Autonomous Driving
von: Lange, Bernard, et al.
Veröffentlicht: (2024)

Getting SMARTER for Motion Planning in Autonomous Driving Systems
von: Alban, Montgomery, et al.
Veröffentlicht: (2025)

Ego-centric Learning of Communicative World Models for Autonomous Driving
von: Wang, Hang, et al.
Veröffentlicht: (2025)

Enhancing Autonomous Driving Safety through World Model-Based Predictive Navigation and Adaptive Learning Algorithms for 5G Wireless Applications
von: Ding, Hong, et al.
Veröffentlicht: (2024)

IRL-DAL: Safe and Adaptive Trajectory Planning for Autonomous Driving via Energy-Guided Diffusion Models
von: Miangoleh, Seyed Ahmad Hosseini, et al.
Veröffentlicht: (2026)