RDAR: 報酬駆動型エージェント関連性推定による自動運転

- 自動運転システムにおいて、制御車両の挙動に影響を与えるagentを選別するためのrelevance推定手法「RDAR」を提案する研究。 - 各agentのrelevanceを、pre-trained behavior modelへの入力を除外可能かどうかで学習する。 - masking手続きをMarkov Decision Processとして定式化し、agent選択を示すbinary maskをactionとする。 - 大規模driving datasetで評価し、より少ないagent数で同等の運転性能を達成。

- 既存のattention機構はagent間interactionを捉えるためにquadraticで計算コストが高い。 - 既存attentionは入力削減を暗黙的に行うが、RDARはpre-trained behavior modelへの入力を除外できるagentを明示的に同定する。 - 計算コストの高いattentionに頼らず、per-agent relevanceを数値的に学習できる点が特徴。 - 大幅に少ないagent数でstate of the artのbehavior modelと同等の性能を達成。

- per-agent relevanceを「そのagentが制御車両の挙動にどれだけ影響するか」として定義。 - pre-trained behavior modelへの入力をmaskするbinary maskをactionとするMarkov Decision Processとしてmaskingを定式化。 - agent選択のbinary maskを学習することで、除外可能なagentを同定。 - 学習されたmaskにより、relevanceの正確な数値的尺度を得る。

- 大規模driving dataset上でRDARを評価。 - overall progress、safety、performanceの観点で運転性能を測定。 - state of the artのbehavior modelと比較し、同等の運転性能を達成しつつ、処理するagent数を大幅に削減できることを示した。 - これによりrelevanceの正確な数値的尺度を学習できることを実証。

- 要旨からは不明。 - ただし、agent数を削減しつつ同等性能を達成した点、およびattentionのquadraticコストを回避する点が議論の中心と推測される。 - 具体的な限界や失敗ケース、mask学習の安定性などは要旨からは不明。

- 要旨で比較対象として言及されるstate of the artのbehavior model（具体的名称は要旨からは不明）。 - attention機構を用いたagent interactionモデリングに関する研究。 - Markov Decision Processを用いた入力masking/feature selectionに関する研究。 - 大規模driving dataset（名称は要旨からは不明）を用いたbehavior model評価研究。