ロングテール状況での軌道変位は安全か？

- 自動運転の planning 評価を additional-threat detection として定式化する研究。 - planner trajectory と expert reference を比較し、planner の displacement が新たな unsafe driving behavior を導入するかを判定。 - FluidTest という評価 pipeline を提案。 - pairwise WebUI protocol による信頼できる human annotation。 - 32 の semantic threats の taxonomy と evidence-grounded decision graphs。 - reflection 付き three-agent verification system。 - WOD-E2E dataset で実験。

- 既存の評価 pipeline は human-aligned, safety-aware, verifiable, explainable を同時に満たすことが稀。 - closed-loop metrics は強い planner 間で飽和しがち。 - unstructured human ratings は protocol 設計なしでは noisy。 - FluidTest はこれらを統合し、additional threat を検出可能にする点が新しい。 - 具体的な先行研究名は要旨からは不明。

- planning evaluation を additional-threat detection として再定式化。 - 3 つの構成要素。 - pairwise WebUI protocol: 信頼できる human annotation 用。 - taxonomy: 32 の semantic threats と evidence-grounded decision graphs。 - three-agent verification system: reflection 付きで precision と auditability を確保。 - これらを組み合わせて label の一貫性と説明可能性を狙う。

- WOD-E2E dataset で実験。 - trained annotators 間で一貫した label が得られることを確認。 - Poutine trajectories の 65%、RAP trajectories の 51% で additional threats を検出。 - 高い Rater Feedback Scores (RFS) と低い Average Displacement Error (ADE) にもかかわらず、state-of-the-art planners が safety-relevant failures を示し得ることを報告。

- 高い RFS と低い ADE でも safety-relevant failures が残ることを示唆。 - 既存指標の限界と、additional-threat detection の必要性を議論。 - human annotation の信頼性確保のための protocol の重要性に言及。 - 具体的な限界や反論は要旨からは不明。

- 要旨で参照/比較されている研究: 明示的な論文名は無い。 - 関連手法/データセット: WOD-E2E dataset、Poutine、RAP、Rater Feedback Scores (RFS)、Average Displacement Error (ADE)。 - 同分野の定番として、closed-loop metrics や human rating を用いた planning evaluation 関連の研究を次に読むべき。