日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転評価arXiv:2605.00066

オープンループ指標はクローズドループ運転を予測できるか?NAVSIMとBench2Driveのクロスベンチマーク相関研究

Do Open-Loop Metrics Predict Closed-Loop Driving? A Cross-Benchmark Correlation Study of NAVSIM and Bench2Drive

シェア:XThreadsFacebookLINEはてブBluesky

自動運転プランナーのオープンループ評価指標が実際のクローズドループ性能を予測できるかを、NAVSIMとBench2Driveの公開結果を比較して検証した論文。

詳しい要約

1. どんなもの?

- 自動運転plannerの評価法に関する研究。 - Open-loop評価は高速・再現可能だが、実Closed-loop性能を予測できるか疑問視されている。 - 本論文はNAVSIM v2のsafety-awareなopen-loop metricsがこのギャップを埋めるか検証。 - NAVSIM(open-loop)とBench2Drive(closed-loop)の公表結果を横断照合。 - 15のstate-of-the-art手法から完全なpaired dataが得られた8手法を分析。

2. 先行研究と比べてどこがすごい?

- 従来のopen-loop metrics(ADE, FDE)はclosed-loop Driving Scoreと信頼できる相関を示さないと先行研究が報告。 - 本論文はNAVSIM v2の新しいsafety-aware metricsに着目し、このギャップを埋められるか問う点が新しい。 - 15手法をNAVSIMとBench2Driveで体系的に照合し、8手法のpaired datasetを構築した点が先行研究と異なる。 - 単一ベンチマーク内の分析ではなく、cross-benchmark相関を定量化した点が貢献。

3. 技術・手法の肝は?

- NAVSIM(open-loop)とBench2Drive(closed-loop)の公表結果を系統的にcross-reference。 - 15のstate-of-the-art手法からopen-loop sub-metricsとclosed-loop性能のpaired datasetを構築(完全データは8手法)。 - NAVSIM PDM ScoreとBench2Drive Driving Scoreの相関を分析。 - 個別sub-metrics(EP, NCなど)の予測力を評価。 - 5-metric PDMSと簡易3-metric formulaの予測力をSpearman ρで比較。 - snowball effectを残差ギャップの候補メカニズムとして同定。

4. どうやって有効だと検証した?

- 15手法の公表結果をNAVSIMとBench2Drive間で照合し、8手法の完全paired dataを分析。 - NAVSIM PDM ScoreとBench2Drive Driving Scoreの相関を評価(強い正だが非単調、順位逆転あり)。 - 個別sub-metricsの予測力を比較し、EPがclosed-loop成功の最強単一予測因子と判明。 - 5-metric PDMSと3-metric formulaがn=8でSpearman ρ=0.90と同等の予測力を持つことを実証。 - safety-progress trade-offがopen-loopとclosed-loopで異なる現れ方をすることも検証。

5. 議論はある?

- NAVSIM PDM Scoreはclosed-loop Driving Scoreと強い正相関だが非単調で順位逆転が存在。 - 個別sub-metricsではEPが最強の予測因子で、safety-criticalなNCを大幅に上回る。 - safety-progress trade-offがopen-loopとclosed-loopで異なる: 安全性最大化・進捗犠牲の手法はNAVSIMで高順位だがclosed-loopではtimeoutやslow-driving penaltiesで低性能。 - TTCとComfortが飽和に近い現状のSOTAでは、これら2 sub-metricsのclosed-loop順位への追加情報は小さい。 - snowball effect(小さなopen-loop偏差がclosed-loop失敗に増幅)が残差ギャップの候補メカニズム。

6. 次に読むべき論文は?

- NAVSIM v2 (safety-aware open-loop metricsの提案元) - Bench2Drive (closed-loop benchmark) - ADE (Average Displacement Error) / FDE (Final Displacement Error) を用いた従来のopen-loop評価研究 - PDM Score / PDMS (NAVSIMのaggregate metric) - Ego Progress (EP), NC (collision metric), TTC, Comfort などのsub-metrics関連研究 - snowball effectに関するclosed-loop失敗メカニズムの研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yiru Wang, Anqing Jiang, Shuo Wang, Yuwen Heng, Hai Yang, Yang Chen, Hao Sun

分類: cs.RO

原文アブストラクト

Open-loop evaluation offers fast, reproducible assessment of autonomous driving planners, but its ability to predict real closed-loop driving performance remains questionable. Prior work has shown that traditional open-loop metrics such as Average Displacement Error (ADE) and Final Displacement Error (FDE) exhibit no reliable correlation with closed-loop Driving Score. In this paper, we ask whether the more recent, safety-aware open-loop metrics introduced by NAVSIM~v2 can bridge this gap. By systematically cross-referencing published results from 15 state-of-the-art methods across NAVSIM (open-loop) and Bench2Drive (closed-loop), we compile a paired dataset of open-loop sub-metrics and closed-loop performance, yielding 8 methods with complete paired data. Our analysis reveals three key findings: (1) the aggregate NAVSIM PDM Score shows a strong positive but non-monotonic correlation with Bench2Drive Driving Score, with clear ranking inversions; (2) among individual NAVSIM sub-metrics, Ego Progress (EP) is the strongest single predictor of closed-loop success, substantially exceeding the safety-critical collision metric NC; (3) the safety-progress trade-off manifests differently in open-loop and closed-loop: methods that maximize safety at the expense of progress rank highly in NAVSIM but underperform in closed-loop due to timeout and slow-driving penalties. We further demonstrate that a much simpler 3-metric formula matches the predictive power of the full 5-metric PDMS at the same Spearman $\rho{=}0.90$ on our paired sample of $n{=}8$ methods, suggesting that within current state-of-the-art methods -- where TTC and Comfort approach saturation -- these two sub-metrics add little marginal information for closed-loop ranking. Additionally, we identify the snowball effect -- where small open-loop deviations compound into closed-loop failures -- as a candidate mechanism for the residual gap.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI