自動運転/生成モデル2026/11/5arXiv:2611.07912

GuidedWAM: 学習不要のエネルギー誘導による自動運転向けワールドアクションモデル

GuidedWAM: Training-Free Energy Guidance for World Action Models in Autonomous Driving

学習済みのワールドアクションモデルを凍結したまま、サンプリング時にエネルギー誘導で運転目的を注入するフレームワークを提案し、NAVSIM v2で性能向上を実証した。

詳しい要約

1. どんなもの？

自動運転向けの World Action Models (WAMs) に対し、再学習なしで新しい運転目的(objective)を注入するモデル非依存フレームワーク GuidedWAM を提案する研究。WAMs は運転ポリシーと視覚的世界モデルを単一の生成ネットワークに結合したもので、学習後の目的は固定され、新しい目的には再学習が必要という問題を扱う。GuidedWAM は sampling time に energy guidance として目的を注入する。

2. 先行研究と比べてどこがすごい？

従来の WAMs は学習後に目的が固定され、新しい運転目的の条件付けには retraining が必要だった。GuidedWAM は frozen な WAM に対する forward access のみで目的を注入でき、モデル非依存かつ training-free である点が異なる。公開済みの3つの frozen WAMs すべてで改善を報告している点も特徴。

3. 技術・手法の肝は？

各運転目的を、sampler の中間的な clean-action estimate 上で定義される微分可能な energy として構成する。frozen モデルへの forward access のみを必要とする。安定化のため sampling-time guidance scheduling、per-energy normalization、velocity-bounded correction を組み合わせる。

4. どうやって有効だと検証した？

NAVSIM v2 hard-split 上で、公開済みの3つの frozen WAMs に対し guidance を適用。3つの sampler seeds で平均して 1.8〜3.6 EPDMS の改善を確認。1ステップあたりの sampling time 増加は10%未満と報告。

5. 議論はある？

energy guidance を WAMs の実用的な post-training control channel として位置づけている。具体的な限界や失敗ケース、他の benchmark での検証については要旨からは不明。

6. 次に読むべき論文は？

要旨で参照・比較されている個別研究は明示されていない。関連手法として、sampling 時の guidance を用いる classifier guidance / energy-based guidance や、autonomous driving の評価 benchmark である NAVSIM v2、比較対象の WAMs 各モデルの原論文を次に読むべき候補として挙げる。

※ 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: Xiyan Su, Finn Rasmus Schäfer, Hojun Lim, Frank Diermeyer, Johannes Betz, Markus Lienkamp

分類: cs.AI, cs.RO

原文アブストラクト

World action models (WAMs) for autonomous driving couple the driving policy and the visual world model in a single generative network whose objectives are fixed post-training. Conditioning on a new driving objective requires retraining. We study energy guidance as a general mechanism and present GuidedWAM, a model-agnostic framework for injecting driving objectives into frozen WAMs at sampling time. Our framework constructs each objective as differentiable energies on the sampler's intermediate clean-action estimate, which needs only forward access to the frozen model, and is stabilized by sampling-time guidance scheduling, per-energy normalization, and velocity-bounded correction. On the NAVSIM v2 hard-split, guidance improves all three frozen, publicly released WAMs by 1.8 to 3.6 EPDMS, averaged over three sampler seeds, and adds less than 10% to the sampling time per step. These results position energy guidance as a practical post-training control channel for WAMs.

arXivで原文を読む →arXiv概要ページ

← 論文一覧