自動運転のためのテスト時軌道最適化

- 自動運転の end-to-end planner 向けの test-time trajectory optimization 手法 TOAD を提案。 - 従来は候補 trajectory を生成後に scorer で採点し最高スコアを選ぶだけだった。 - 本研究は scorer を trajectory-level reward function とみなし、その最大化を探索する。 - 再学習不要で既存 planner に plug-and-play で適用可能。

- 従来の end-to-end planner は proposal 生成後に scorer を適用するのみで、scorer が候補集合に影響できない。 - 弱い候補集合は scorer の品質に関わらず性能を制限するという課題があった。 - TOAD は scorer を reward として test 時に探索し、候補集合の制約を超えて改善する点が新しい。 - 再学習不要で既存 planner にそのまま組み込める点も先行手法と異なる。

- scorer を learned trajectory-level reward function として扱い、その最大化を目指す。 - test time に Cross-Entropy Method を実行して trajectory を探索。 - planner の proposals を warm-start として利用する。 - 再学習は不要で、既存 planner に対して plug-and-play で適用可能。

- 6 つの base planner に対して TOAD を適用して評価。 - NAVSIM-v1 で 94.7 PDMS を達成。 - NAVSIM-v2 で 56.3 EPDMS を達成。 - closed-loop HUGSIM benchmark でも改善を確認。

- 要旨からは不明。 - 計算コストや test-time 探索の実時間性、他手法との詳細な比較、失敗事例などは記述されていない。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として Cross-Entropy Method、NAVSIM-v1、NAVSIM-v2、HUGSIM が挙げられる。 - 同分野の定番として end-to-end planner、trajectory scoring、test-time optimization に関する研究が次に読むべき候補となる。