時不変な空間整合と多目的方策改善による自己回帰型エンドツーエンド計画

- 自動運転の end-to-end planning における autoregressive model ベースの手法。 - 過去の sensory data から将来の action を条件付けるため生じる spatio-temporal misalignment を課題と位置づける。 - Time-Invariant Spatial Alignment (TISA) module で初期環境特徴を各将来時刻の一貫した ego-centric frame に投影。 - kinematic action prediction head (acceleration, yaw rate) で物理的に実行可能な trajectory を担保。 - Direct Preference Optimization (DPO) を用いた multi-objective post-training で模倣を超えた学習を行う。

- 従来の autoregressive planner は past sensory data に基づき future action を予測するため worldview が不整合になり性能上限が制約されていた。 - 提案手法は明示的な future scene prediction を行わずに TISA で worldview を補正する点が異なる。 - 標準的な DPO は単一の全体目的関数だが、提案手法は特定の driving behavior に対する細粒度の feedback を与える multi-objective post-training を導入。 - NAVSIM dataset 上で autoregressive model の中で state-of-the-art の 89.8 PDMS を達成。

- Time-Invariant Spatial Alignment (TISA) module: 初期環境特徴を各 future time step の一貫した ego-centric frame に学習的に投影。 - 明示的な future scene prediction を必要とせず worldview を補正。 - kinematic action prediction head: acceleration と yaw rate を出力し物理的に feasible な trajectory を確保。 - multi-objective post-training: Direct Preference Optimization (DPO) を拡張し、特定の driving behavior ごとに targeted feedback を与える。 - 単一の overall objective ではなく、より fine-grained な learning signal を提供。

- NAVSIM dataset 上で評価。 - autoregressive model の中で state-of-the-art となる 89.8 PDMS を達成。 - 詳細な ablation や比較条件は要旨からは不明。 - ビデオ資料が https://tisa-dpo-e2e.github.io/ で公開。

- spatio-temporal misalignment が autoregressive planner の性能上限を制約するという主張が中心。 - TISA により future scene prediction なしで worldview を補正できる点の妥当性が議論対象。 - multi-objective DPO の fine-grained feedback が標準 DPO より有効かどうか。 - kinematic head による物理的 feasibility と性能のトレードオフ。 - 具体的な限界や失敗事例は要旨からは不明。

- Direct Preference Optimization (DPO) の原論文。 - NAVSIM dataset および PDMS metric の原論文。 - end-to-end planning の代表的手法 (例: UniAD, VAD など)。 - autoregressive model を用いた planning の先行研究。 - ego-centric frame への feature projection や spatial alignment に関する研究。