Buchumschlag

LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Long, Fauth, Micha, Jaeger, Bernhard, Dauner, Daniel, Igl, Maximilian, Geiger, Andreas, Chitta, Kashyap
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hidden Biases of End-to-End Driving Datasets
von: Zimmerlin, Julian, et al.
Veröffentlicht: (2024)

SLEDGE: Synthesizing Driving Environments with Generative Models and Rule-Based Traffic
von: Chitta, Kashyap, et al.
Veröffentlicht: (2024)

End-to-end Autonomous Driving: Challenges and Frontiers
von: Chen, Li, et al.
Veröffentlicht: (2023)

123D: Unifying Multi-Modal Autonomous Driving Data at Scale
von: Dauner, Daniel, et al.
Veröffentlicht: (2026)

Centaur: Robust End-to-End Autonomous Driving with Test-Time Training
von: Sima, Chonghao, et al.
Veröffentlicht: (2025)

Latent Chain-of-Thought World Modeling for End-to-End Driving
von: Tan, Shuhan, et al.
Veröffentlicht: (2025)

ReSim: Reliable World Simulation for Autonomous Driving
von: Yang, Jiazhi, et al.
Veröffentlicht: (2025)

ComDrive: Comfort-Oriented End-to-End Autonomous Driving
von: Wang, Junming, et al.
Veröffentlicht: (2024)

GEMINUS: Dual-aware Global and Scene-Adaptive Mixture-of-Experts for End-to-End Autonomous Driving
von: Wan, Chi, et al.
Veröffentlicht: (2025)

Pseudo-Simulation for Autonomous Driving
von: Cao, Wei, et al.
Veröffentlicht: (2025)

Pseudo-Expert Regularized Offline RL for End-to-End Autonomous Driving in Photorealistic Closed-Loop Environments
von: Noguchi, Chihiro, et al.
Veröffentlicht: (2025)

DriveSafer: End-to-End Autonomous Driving with Safety Guidance
von: Sural, Shounak, et al.
Veröffentlicht: (2026)

ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving
von: Li, Yongkang, et al.
Veröffentlicht: (2025)

Exploring the Causality of End-to-End Autonomous Driving
von: Li, Jiankun, et al.
Veröffentlicht: (2024)

VECTOR-Drive: Tightly Coupled Vision-Language and Trajectory Expert Routing for End-to-End Autonomous Driving
von: Zhao, Rui, et al.
Veröffentlicht: (2026)

DriveMoE: Mixture-of-Experts for Vision-Language-Action Model in End-to-End Autonomous Driving
von: Yang, Zhenjie, et al.
Veröffentlicht: (2025)

CaRL: Learning Scalable Planning Policies with Simple Rewards
von: Jaeger, Bernhard, et al.
Veröffentlicht: (2025)

DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving
von: Liao, Bencheng, et al.
Veröffentlicht: (2024)

DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving
von: Wang, Tianqi, et al.
Veröffentlicht: (2024)

AlignDrive: Aligned Lateral-Longitudinal Planning for End-to-End Autonomous Driving
von: Wu, Yanhao, et al.
Veröffentlicht: (2026)

Beyond Imitation: Learning Safe End-to-End Autonomous Driving from Hard Negatives
von: Wang, Junli, et al.
Veröffentlicht: (2026)

DriveDPO: Policy Learning via Safety DPO For End-to-End Autonomous Driving
von: Shang, Shuyao, et al.
Veröffentlicht: (2025)

Cognitive-Hierarchy Guided End-to-End Planning for Autonomous Driving
von: Wang, Zhennan, et al.
Veröffentlicht: (2025)

Unraveling the Effects of Synthetic Data on End-to-End Autonomous Driving
von: Ge, Junhao, et al.
Veröffentlicht: (2025)

MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2026)

UniUncer: Unified Dynamic Static Uncertainty for End to End Driving
von: Gao, Yu, et al.
Veröffentlicht: (2026)

Using Ensemble Diffusion to Estimate Uncertainty for End-to-End Autonomous Driving
von: Wintel, Florian, et al.
Veröffentlicht: (2025)

GMF-Drive: Gated Mamba Fusion with Spatial-Aware BEV Representation for End-to-End Autonomous Driving
von: Wang, Jian, et al.
Veröffentlicht: (2025)

Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving
von: Jia, Xiaosong, et al.
Veröffentlicht: (2024)

Fail2Drive: Benchmarking Closed-Loop Driving Generalization
von: Gerstenecker, Simon, et al.
Veröffentlicht: (2026)

HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving
von: Yao, Wenhao, et al.
Veröffentlicht: (2026)

Senna: Bridging Large Vision-Language Models and End-to-End Autonomous Driving
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

DIVER: Reinforced Diffusion Breaks Imitation Bottlenecks in End-to-End Autonomous Driving
von: Song, Ziying, et al.
Veröffentlicht: (2025)

Bridging Past and Future: End-to-End Autonomous Driving with Historical Prediction and Planning
von: Zhang, Bozhou, et al.
Veröffentlicht: (2025)

ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving
von: Zheng, Zhiyu, et al.
Veröffentlicht: (2025)

Enhancing End-to-End Autonomous Driving with Risk Semantic Distillaion from VLM
von: Qin, Jack, et al.
Veröffentlicht: (2025)

Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving
von: Wang, Linbo, et al.
Veröffentlicht: (2026)

Collision Risk Estimation via Loss Prediction in End-to-End Autonomous Driving
von: Xiong, Ziliang, et al.
Veröffentlicht: (2025)

VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking
von: Dauner, Daniel, et al.
Veröffentlicht: (2024)