DISK、自動運転向け世界モデルの推論を高速化 学習不要で最大2倍

何が起きたか

arxiv.orgに2026年1月31日付で掲載された論文「DISK: Dynamic Inference SKipping for World Models」において、自動運転向け自己回帰型世界モデルの推論を高速化する手法が発表された。この手法は、ビデオと軌跡の2つの拡散トランスフォーマーを協調させ、クロスモーダルなスキップ判断を行うことで、再学習なしに推論を高速化する。評価では、NVIDIA L40S GPUを用いてNuPlanとNuScenesの1500サンプルで閉ループ運転ロールアウトを行い、軌跡拡散で2倍、ビデオ拡散で1.6倍の高速化を達成しつつ、L2計画誤差、画質（FID/FVD）、NAVSIM PDMSスコアを維持したとしている。

詳細

論文は、自己回帰型世界モデル向けの学習不要の適応的推論手法「DISK」を提案している。DISKは、ビデオとego軌跡のための2つの結合された拡散トランスフォーマーを、クロスモーダルなスキップ判断を持つデュアルブランチコントローラで調整し、再学習なしで動きと外観の一貫性を維持する。また、高次の潜在差分スキップテストを自己回帰的なチェーン・オブ・フォワードレジームに拡張し、コントローラ統計をロールアウトループを通じて伝播させることで、長期的な安定性を実現する。評価は、NVIDIA L40S GPU上でNuPlanとNuScenesの1500サンプルを用いた閉ループ運転ロールアウトで行われ、軌跡拡散で2倍、ビデオ拡散で1.6倍の高速化を達成し、L2計画誤差、視覚品質（FID/FVD）、NAVSIM PDMSスコアを維持したと報告されている。

Key Facts

本紙の見方

今回のDISKは、自動運転向け世界モデルの推論コスト削減を目指す研究の一環と位置づけられる。世界モデルは、環境のダイナミクスを学習し、将来の状態を予測することで、プランニングやシミュレーションに活用されるが、その自己回帰的な推論は計算コストが高い。DISKは、学習不要で推論時に動的にスキップ判断を行うことで、このコストを削減する点が新しい。既存の蒸留や量子化などの圧縮手法とは異なり、モデルの再学習を必要としないため、既存のモデルにそのまま適用できる可能性がある。 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、直接の言及は避ける。しかし、自動運転における世界モデルの効率化は、業界全体の関心事であり、今回の成果はその流れに沿ったものと言える。 業界構造への含意としては、自動運転システムの開発において、シミュレーションやプランニングのリアルタイム性が重要となる中、DISKのような推論高速化技術は、計算資源の制約を緩和し、より複雑なモデルの実装を可能にする可能性がある。特に、車載GPUなどの限られたリソースでの動作が求められる場面で、その価値は大きい。また、学習不要であることは、モデル更新の頻度を減らし、開発サイクルの短縮にも寄与する可能性がある。 未確定の論点としては、DISKの高速化効果が、より大規模なモデルや多様なシナリオでどの程度維持されるかが挙げられる。また、実際の自動運転システムへの統合における安全性や信頼性の検証も今後の課題となる。さらに、論文で報告された数値は特定のハードウェアとデータセットに基づくものであり、他の環境での再現性を確認する必要がある。

なぜ重要か

自動運転の実用化には、リアルタイムな環境予測が不可欠であり、世界モデルの推論コストはその障壁の一つとなっている。DISKは、学習不要で推論を高速化する手法を提案し、計算資源の制約を緩和することで、より高度な自動運転システムの実現に寄与する可能性がある。また、この技術は自動運転に限らず、ロボティクスやシミュレーションなど、世界モデルを利用する他の分野にも応用が期待される。