自動運転の追い越しにおけるリスク認識意思決定：ワールドモデルベースのMixture-of-Expertsフレームワーク

本論文は、自動運転における高速道路の追い越し（overtaking）のための意思決定フレームワーク「World Model-based Risk-aware Mixture-of-Experts (WM-RMoE)」を提案している。これは、学習された潜在ダイナミクスモデル（latent dynamics model）を用いてマルチステップのロールアウトを並列実行し、累積リスク評価により行動レベルではなく軌道レベルで安全性を評価する。さらに、階層的なゲーティング機構により、長期的・短期的・ルールベースの安全モジュール（エキスパート）を動的に切り替え、多様な相互作用強度へのロバスト性を高める。また、Gaussian Mixture Modelを統合してマルチモーダルな操縦分岐を保持し、行動のモード平均化問題を緩和する。

従来の安全強化学習（safe reinforcement learning）アプローチは、暗黙の価値ベースのリスク推定に依存し、明示的なダイナミクスモデリングを行わないため、マルチステップにわたる複雑なリスク伝播を正確に捉えるのが困難だった。その結果、局所的には安全だが長期的には潜在リスクを誘発する行動が生じることがあった。WM-RMoEは、学習されたダイナミクスモデルによる軌道レベルの累積リスク評価を導入し、さらに階層的ゲーティングとGaussian Mixture Modelにより、長期的なリスク認識とマルチモーダルな操縦生成を実現している点が新しい。

手法の核は以下の3点。(1) 学習された潜在ダイナミクスモデル（latent dynamics model）を用いて、並列にマルチステップのロールアウトを実行し、累積リスク評価により軌道レベルでの安全性を評価する。(2) 階層的ゲーティング機構（hierarchical gating mechanism）が、長期的（long-horizon）、短期的（short-horizon）、ルールベースの安全モジュール（rule-based safety modules）を動的に調整し、様々な相互作用強度に対するロバスト性を向上させる。(3) Gaussian Mixture Modelを統合することで、マルチモーダルな操縦分岐を保持し、行動のモード平均化（mode averaging）の問題を緩和する。

実験では、代表的なベースラインと比較して、安全性コンプライアンス（safety compliance）、意思決定の安定性（decision stability）、一般化能力（generalization capability）の点でWM-RMoEが有意に優れていることを示した。さらに、リスク認識の定式化により、多様な交通密度において先見的で意味的に異なる追い越し操縦を生成できることを実証した。

要旨からは、提案手法の限界や特定の議論は明示されていない。ただし、潜在ダイナミクスモデルの学習にはデータが必要であり、実世界での適用にはシミュレーションと実環境のギャップ（sim-to-real gap）が課題となる可能性が考えられるが、要旨には記載がない。また、Gaussian Mixture Modelの統合による計算コストや、ゲーティング機構の設計に関する詳細な議論は要旨からは不明である。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、安全強化学習（safe reinforcement learning）の基礎論文や、World Modelを用いたモデルベース強化学習（model-based reinforcement learning）の研究が挙げられる。具体的には、Ha & SchmidhuberのWorld Modelsや、モデルベース強化学習におけるリスク評価手法に関する論文が関連する。