Buchumschlag

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Pengxuan, Zheng, Yupeng, Qian, Deheng, Xing, Zebin, Zhang, Qichao, Wang, Linbo, Zhang, Yichen, Guo, Shaoyu, Xia, Zhongpu, Chen, Qiang, Han, Junyu, Xu, Lingyun, Pan, Yifeng, Zhao, Dongbin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

World4Drive: End-to-End Autonomous Driving via Intention-aware Physical Latent World Model
von: Zheng, Yupeng, et al.
Veröffentlicht: (2025)

Mimir: Hierarchical Goal-Driven Diffusion with Uncertainty Propagation for End-to-End Autonomous Driving
von: Xing, Zebin, et al.
Veröffentlicht: (2025)

TakeAD: Preference-based Post-optimization for End-to-end Autonomous Driving with Expert Takeover Data
von: Liu, Deqing, et al.
Veröffentlicht: (2025)

WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving
von: Yang, Pengxuan, et al.
Veröffentlicht: (2025)

UncAD: Towards Safe End-to-end Autonomous Driving via Online Map Uncertainty
von: Yang, Pengxuan, et al.
Veröffentlicht: (2025)

TrajMoE: Scene-Adaptive Trajectory Planning with Mixture of Experts and Reinforcement Learning
von: Xing, Zebin, et al.
Veröffentlicht: (2025)

Data Scaling Laws for Imitation Learning-Based End-to-End Autonomous Driving
von: Zheng, Yupeng, et al.
Veröffentlicht: (2024)

PerlAD: Towards Enhanced Closed-loop End-to-end Autonomous Driving with Pseudo-simulation-based Reinforcement Learning
von: Gao, Yinfeng, et al.
Veröffentlicht: (2026)

PlanAgent: A Multi-modal Large Language Agent for Closed-loop Vehicle Motion Planning
von: Zheng, Yupeng, et al.
Veröffentlicht: (2024)

Dream to Drive with Predictive Individual World Model
von: Gao, Yinfeng, et al.
Veröffentlicht: (2025)

MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving
von: Wang, Junli, et al.
Veröffentlicht: (2026)

GraphAD: Interaction Scene Graph for End-to-end Autonomous Driving
von: Zhang, Yunpeng, et al.
Veröffentlicht: (2024)

Saliency-Guided Representation with Consistency Policy Learning for Visual Unsupervised Reinforcement Learning
von: Sun, Jingbo, et al.
Veröffentlicht: (2026)

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

CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving
von: Zheng, Xiaoji, et al.
Veröffentlicht: (2025)

SafeDreamer: Safe Reinforcement Learning with World Models
von: Huang, Weidong, et al.
Veröffentlicht: (2023)

CarDreamer: Open-Source Learning Platform for World Model based Autonomous Driving
von: Gao, Dechen, et al.
Veröffentlicht: (2024)

AlphaDrive: Unleashing the Power of VLMs in Autonomous Driving via Reinforcement Learning and Reasoning
von: Jiang, Bo, et al.
Veröffentlicht: (2025)

UniDriveDreamer: A Single-Stage Multimodal World Model for Autonomous Driving
von: Zhao, Guosheng, et al.
Veröffentlicht: (2026)

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

ReasonPlan: Unified Scene Prediction and Decision Reasoning for Closed-loop Autonomous Driving
von: Liu, Xueyi, et al.
Veröffentlicht: (2025)

AD-R1: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving with Impartial World Models
von: Yan, Tianyi, et al.
Veröffentlicht: (2025)

Salience-Invariant Consistent Policy Learning for Generalization in Visual Reinforcement Learning
von: Sun, Jingbo, et al.
Veröffentlicht: (2025)

InCoM: Intent-Driven Perception and Structured Coordination for Mobile Manipulation
von: Liu, Jiahao, et al.
Veröffentlicht: (2026)

Online Preference-based Reinforcement Learning with Self-augmented Feedback from Large Language Model
von: Tu, Songjun, et al.
Veröffentlicht: (2024)

PokeVLA: Empowering Pocket-Sized Vision-Language-Action Model with Comprehensive World Knowledge Guidance
von: Zheng, Yupeng, et al.
Veröffentlicht: (2026)

OpenAD: Open-World Autonomous Driving Benchmark for 3D Object Detection
von: Xia, Zhongyu, et al.
Veröffentlicht: (2024)

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

Learning from Mistakes: Post-Training for Driving VLA with Takeover Data
von: Gao, Yinfeng, et al.
Veröffentlicht: (2026)

DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving
von: Zou, Jialv, et al.
Veröffentlicht: (2025)

Enhancing End-to-End Autonomous Driving with Latent World Model
von: Li, Yingyan, et al.
Veröffentlicht: (2024)

ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving
von: Lu, Han, et al.
Veröffentlicht: (2024)

Scenario Dreamer: Vectorized Latent Diffusion for Generating Driving Simulation Environments
von: Rowe, Luke, et al.
Veröffentlicht: (2025)

In-Dataset Trajectory Return Regularization for Offline Preference-based Reinforcement Learning
von: Tu, Songjun, et al.
Veröffentlicht: (2024)

Learning Rollout from Sampling:An R1-Style Tokenized Traffic Simulation Model
von: Wang, Ziyan, et al.
Veröffentlicht: (2026)

RLAE: Reinforcement Learning-Assisted Ensemble for LLMs
von: Fu, Yuqian, et al.
Veröffentlicht: (2025)

DriveFuture: Future-Aware Latent World Models for Autonomous Driving
von: Hong, Yufeng, et al.
Veröffentlicht: (2026)

DriveDreamer4D: World Models Are Effective Data Machines for 4D Driving Scene Representation
von: Zhao, Guosheng, et al.
Veröffentlicht: (2024)

GenAD: Generative End-to-End Autonomous Driving
von: Zheng, Wenzhao, et al.
Veröffentlicht: (2024)