GEMINUS：エンドツーエンド自動運転のためのデュアル認識型グローバル・シーン適応型Mixture-of-Experts

- 対象: 複雑で多様な交通環境に対応する end-to-end autonomous driving の枠組み - 名称: GEMINUS - 構成: Global Expert と Scene-Adaptive Experts Group からなる Mixture-of-Experts 型の計画フレームワーク - ルーティング: Dual-aware Router が expert を動的に活性化 - 狙い: 多様なシナリオへの適応性と堅牢性の両立 - 入力: monocular vision のみでも動作すると報告

- 先行の single-mode planning は単一の overall policy を学習し、多様な運転技能の獲得が難しいと指摘 - 提案は Mixture-of-Experts により expert を分担させ、単一ポリシーでは得にくい多様性を確保 - Global Expert が全体データで堅牢性を担い、Scene-Adaptive Experts が適応性を担う役割分担が特徴 - Dual-aware Router が scenario-level 特徴と routing uncertainty を同時考慮する点が従来と異なる - Bench2Drive closed-loop benchmark で既存手法を上回り、Driving Score と Success Rate で state-of-the-art と主張

- Global Expert: データセット全体で学習し、堅牢な性能を担う - Scene-Adaptive Experts: 対応する scene subset ごとに学習し、適応的な性能を担う - Dual-aware Router: scenario-level の特徴と routing uncertainty を考慮して expert module を動的に活性化 - 結合: Global Expert と Scene-Adaptive Experts Group を Dual-aware Router で効果的に結合 - 効果: 多様なシナリオで適応性と堅牢性を両立させる設計

- 評価基盤: Bench2Drive closed-loop benchmark を使用 - 指標: Driving Score と Success Rate で評価 - 結果: 既存手法を上回り、両指標で state-of-the-art を達成と報告 - 条件: monocular vision 入力のみでもこの性能に到達 - 再現性: コードが https://github.com/newbrains1/GEMINUS で公開

- 要旨では single-mode planning の限界を動機として提示 - Global Expert と Scene-Adaptive Experts の役割分担により適応性と堅牢性の両立を主張 - Dual-aware Router が routing uncertainty を考慮する設計意図が示される - 具体的な失敗事例、計算コスト、expert 数の感度、scene subset 分割の妥当性などは要旨からは不明 - 定量比較の詳細や ablation の内容も要旨からは不明

- Bench2Drive closed-loop benchmark の原論文・評価プロトコル - Mixture-of-Experts を用いた end-to-end autonomous driving の関連研究 - single-mode planning 系の end-to-end 計画手法（比較対象として要旨が言及する枠組み） - routing uncertainty や scene-adaptive routing を扱う関連研究 - monocular vision 入力の end-to-end autonomous driving 研究