閉ループ自動運転における拡散ベース動作計画のためのオープンソースモジュラーベンチマーク

本論文は、Diffusion-based motion plannerをclosed-loopの自動運転スタックで評価するためのオープンソースのモジュラーベンチマークを提案する。 - 既存のnuPlanなどのベンチマークでは、ROS 2通信遅延やリアルタイムスケジューリング制約が抽象化され、monolithicなONNXデプロイではソルバーパラメータがエクスポート時に固定される問題がある。 - 本研究はこれらのギャップを埋める。 - ONNX GraphSurgeonを用いて18,398ノードのmonolithic diffusion plannerを3つの独立実行モジュールに分解し、DPM-Solver++のdenoising loopをnative C++で再実装。 - AutowareのROS 2ノードとして統合し、AWSIM closed-loop simulationで検証。 - 完全なコードベースはオープンソースとして公開予定。

先行研究と比べて以下の点が優れている。 - 既存評価はROS 2通信遅延やリアルタイムスケジューリング制約を抽象化していたが、本ベンチマークはproduction-gradeスタック内で動作する。 - monolithic ONNXデプロイではソルバーパラメータが固定されるが、本手法はモデル再コンパイルなしでランタイム設定可能なソルバーパラメータとdenoisingプロセスのステップごとの観測性を実現。 - CARLAなどのスタンドアロンシミュレータではなく、実車両に展開されているAutoware内で評価。 - 具体的な性能比較として、encoder cachingで3.2倍のレイテンシ削減、N=3でsecond-order solvingがfirst-orderに比べFDEを41%削減することを示した。

技術や手法の肝は以下の通り。 - ONNX GraphSurgeonを用いてmonolithic 18,398ノードのdiffusion plannerを3つの独立実行モジュールに分解。 - DPM-Solver++のdenoising loopをnative C++で再実装。 - ROS 2ノードとしてAutowareに統合し、ランタイムでソルバーパラメータを設定可能に。 - これによりモデル再コンパイル不要で、denoisingプロセスの各ステップを観測可能。 - 評価ではDPM-Solver++（first- and second-order）とDDIMを、6つのステップ数設定（N in {3, 5, 7, 10, 15, 20}）で系統的に比較。

有効性の検証は以下の方法で行った。 - AWSIM closed-loop simulationを用いて、production-gradeスタック内でベンチマークを動作させた。 - DPM-Solver++（first- and second-order）とDDIMを、6つのステップ数設定（N in {3, 5, 7, 10, 15, 20}）で系統的に比較。 - その結果、encoder cachingにより3.2倍のレイテンシ削減を確認。 - また、N=3においてsecond-order solvingがfirst-orderに比べFDEを41%削減することを示した。

議論としては以下が挙げられる。 - 既存の評価がROS 2通信遅延やリアルタイムスケジューリング制約を抽象化していた点、およびmonolithic ONNXデプロイがソルバーパラメータを固定していた点を問題として指摘。 - 本ベンチマークがこれらのギャップを埋め、実車両展開への直接的なパスを提供することを主張。 - ただし、具体的な限界や今後の課題については要旨からは不明。

要旨で参照/比較されている研究や関連手法は以下の通り。 - nuPlan（ベンチマーク） - ROS 2（通信ミドルウェア） - ONNX GraphSurgeon（モデル分解ツール） - DPM-Solver++（first- and second-order） - DDIM - Autoware（オープンソースADスタック） - CARLA（スタンドアロンシミュレータ） - AWSIM（closed-loop simulation） これらを次に読むべき論文・資料として挙げる。