CoPhy、認知と物理を統合した自動運転向け強化学習フレームワークを提案

何が起きたか

arxiv.orgに掲載された論文（2026年5月20日付）で、CoPhyと呼ばれる自動運転向けの認知物理強化学習フレームワークが提案された。CoPhyは、VLM（視覚言語モデル）の知識をBEVエンコーダに蒸留し、将来のセマンティックマップを予測する自己回帰型ワールドモデルを構築することで、強化学習による運転ポリシーの最適化を実現する。実験ではNAVSIM v1およびv2ベンチマークで最先端の結果を達成したとしている。

詳細

CoPhyは、模倣学習の行動クローニングの限界を克服するため、強化学習に必要な2つのインフラを提供する。第一に、VLM知識をBEVエンコーダに蒸留し、VLM自体を破棄することで、推論コストをかけずに認知能力を保持し、言語コマンドのためのプラガブルインターフェースを解放する。第二に、候補行動に条件付けられた将来のセマンティックマップを予測する自己回帰型BEVワールドモデルを構築し、解釈可能な物理サンドボックスとして安全指標を直接導出する。ポリシー最適化にはGRPOを用い、BEVロールアウトから得られる物理報酬と、言語整合スコアラーによる認知報酬の二重報酬メカニズムを採用する。

Key Facts

本紙の見方

今回の提案は、自動運転におけるエンドツーエンドモデルの模倣学習の限界を克服するための新しい枠組みを示すものである。従来の模倣学習は、専門家の運転データに依存し、分布外の状況や複雑な交通シーンでの性能が限定的である。CoPhyは、強化学習を導入することで、よりスマートな自律性を目指すが、そのためには認知基盤と予見的な物理環境という2つのインフラが必要だと主張する。 本紙の過去報道との接続は、関連記事が提供されていないため、直接的な連続性を指摘することはできない。しかし、自動運転技術の進展という文脈では、従来の研究が模倣学習やエンドツーエンドの深層学習に焦点を当ててきたのに対し、CoPhyは強化学習と世界モデルの統合という新たな方向性を示している。 業界構造への含意として、CoPhyのアプローチは、自動運転システムの開発において、大規模なデータセットと計算資源を必要とする模倣学習から、より効率的で安全な強化学習への移行を促進する可能性がある。特に、VLM知識の蒸留により、推論コストを増やさずに認知能力を保持できる点は、実用化に向けた重要な利点となる。また、言語コマンドによる意図制御は、ユーザーが運転行動を柔軟に指定できる可能性を示唆しており、自動運転のユーザー体験を変える可能性がある。 未確定の論点としては、CoPhyの実車両での性能や、シミュレーション環境での結果が実際の道路状況でどの程度再現されるかが焦点となる。また、VLM知識の蒸留がどの程度の精度で認知能力を保持できるか、ワールドモデルの予測精度が安全性にどの程度寄与するかも検証が必要である。さらに、GRPOの報酬設計が複雑な交通シーンでどのように機能するかも今後の課題である。

なぜ重要か

自動運転技術の進化において、模倣学習の限界を超えるための強化学習の導入は、より安全で柔軟な運転行動を実現する可能性を秘めている。CoPhyの提案は、認知と物理の統合という新しい視点を提供し、今後の自動運転システムの設計に影響を与える可能性がある。