サンプリングを学習する：強化学習ガイドによる自動運転の運動計画

- 自動運転向けの sampling-based motion planning におけるサンプリング位置を強化学習 (RL) で学習するハイブリッド枠組み - RL agent が feasible な trajectory を生みやすい action space 領域へサンプリングを誘導 - trajectory の生成・評価・最終選択は決定的な feasibility check と cost function で解析的に実施 - decodable deep set encoder に基づく world model (WM) を RL sampler と結合 - 可変数の traffic participants と再構成可能な latent representation を扱う - CommonRoad (CR) 環境で評価

- 従来の uniform sampling や heuristic sampling は複雑な都市環境で infeasible/irrelevant な trajectory を多く生成 - 本手法は『どこをサンプリングするか』を学習しつつ、生成・評価は解析的で検証可能なまま保持 - uniform-sampling baseline と比較し必要サンプル数を最大 99% 削減 - runtime を最大 84% 削減 - success rate と collision-free rate の planning quality は維持 - 学習でサンプリングを賢くしつつ modularity と analytical tractability を損なわない点が特徴

- RL agent が sampling process を誘導し、feasible trajectory が得られやすい領域へ action space を絞る - trajectory generation と evaluation は deterministic な feasibility check と cost function に委ねる - world model は decodable deep set encoder ベースで、可変数の traffic participants を扱える - latent representation が再構成可能 (reconstructable) である点が WM の特徴 - RL sampler と WM を結合した hybrid framework として構成

- CommonRoad (CR) simulation environment で評価 - uniform-sampling baseline との比較を実施 - 必要サンプル数が最大 99% 削減、runtime が最大 84% 削減されることを示す - success rate と collision-free rate で planning quality が維持されることを確認

- 都市環境における意思決定の高速化・信頼性向上に寄与すると主張 - サンプリング削減と runtime 短縮を達成しつつ planning quality を維持 - ただし要旨からは、限界・失敗ケース・一般化性・計算コストの詳細な議論は不明 - RL 学習の安定性や WM の再構成精度に関する議論は要旨からは不明

- uniform-sampling baseline 系の sampling-based motion planning 研究 - CommonRoad (CR) を用いた motion planning の既存研究 - deep set encoder を用いた world model 研究 - RL を用いた sampling/action space 誘導に関する研究 - 要旨で明示的な参照論文は示されていないため、上記は関連手法・環境名ベースの候補