ReactSim-Bench: 自動運転における反応的行動ワールドモデルシミュレーションのベンチマーク

- 自動運転のbehavior world model simulationにおけるreactive capabilityを評価するベンチマークReactSim-Benchを提案。 - 既存ベンチマークはAVと周囲エージェントを同時制御し、log similarityやopen-loop predictionで評価するため、反応能力を直接測れない。 - AVの制御とエージェントの制御を分離し、logと異なるAV行動に対してエージェントが独立に反応する能力を評価する。 - 2,636のテストシナリオを3カテゴリで構築し、Transformerベース、diffusionベース、next-token-predictionベースの最先端モデルを系統的に評価。

- 既存のbehavior simulationベンチマークはreactive capabilityを直接測定せず、AVと周囲エージェントを共同制御してlog similarityやopen-loop prediction指標で評価していた。 - 本研究はAVとエージェントの制御を分離し、logと異なるAV行動に対するエージェントの反応を独立に評価する点で新しい。 - 安全性と規則遵守を評価するためにcollision metrics、map-based metrics、kinematic feasibility metricsを導入。 - 複数のアーキテクチャ（Transformer、diffusion、next-token-prediction）にわたる系統的評価を実施。

- AV planner modelを用いて候補行動を生成し、ルールと手動検証でフィルタリングするパイプラインを構築。 - これによりlogと異なるAV行動を取得し、エージェントの反応を独立に評価。 - 評価にはcollision metrics、map-based metrics、kinematic feasibility metricsを使用。 - 2,636のテストシナリオを3カテゴリで構築。 - replan frequencyが性能に与える影響も分析。

- 2,636のテストシナリオで最先端モデルを系統的に評価。 - 複数のアーキテクチャ（Transformerベース、diffusionベース、next-token-predictionベース）を比較。 - collision metrics、map-based metrics、kinematic feasibility metricsを用いて安全性と規則遵守を検証。 - replan frequencyの影響を分析し、将来研究への洞察を提供。

- replan frequencyが性能に与える影響を分析し、将来研究への洞察を提供。 - その他の議論や限界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は明示されていない。 - 同分野の定番として、behavior world model simulation、Transformerベース、diffusionベース、next-token-predictionベースのモデルに関する論文が挙げられる。