GatedVLA、視覚マスクと自動緊急ブレーキを組み合わせた運転制御を評価

何が起きたか

arXiv掲載の技術報告は、Physical AI AV（PAI-AV）トラックへの出場モデル「GatedVLA」を評価した。150シーンを各2回走行するローカル閉ループ評価で、視覚マスク適用モデルの平均シーンスコアは、同一条件で学習したベースラインの0.479から0.517に上がった。さらに配備時にルールベースの自動緊急ブレーキ（AEB）を組み込むと0.599となり、過失衝突があったシーンの平均数は34.0から11.0に減った。

詳細

GatedVLAは、運転用に事前学習したQwen-Drive-1.0-4B視覚言語モデルと、層ごとのフローマッチング方式による行動エキスパートを組み合わせる。エキスパートは加速度と曲率の制御を2.5秒先まで出力し、クロスアテンションにソフトな視覚マスクを適用する構成だ。報告によると、マスク適用モデルはオープンループ誤差全体ではベースラインと同程度で、左折時の誤差は低下した。 閉ループ評価では、視覚マスク適用によるスコア差は+0.038、95%ブートストラップ信頼区間は[-0.018, +0.093]で、勝敗数は37対26、符号検定のp値は0.21だった。AEB追加によるスコア差は+0.082、95%信頼区間は[+0.023, +0.143]と報告された。

Key Facts

本紙の見方

今回の報告で目を引くのは、学習ポリシーの変更と、配備時に加えるルールベースの安全機能が、別々の結果として評価されている点だ。視覚マスクはクロスアテンションに適用され、オープンループ誤差全体を悪化させず、左折時の誤差を減らしたと報告された。一方、150シーンの閉ループ評価で得た平均スコアの差は+0.038で、95%信頼区間はゼロをまたぎ、符号検定のp値も0.21だった。したがって、左折時の改善という局所的な結果と、全体スコアで安定した改善が確認されたかどうかは分けて読む必要がある。 これに対し、配備時にAEBを加えた条件では平均スコアが0.599となり、AEB追加による差の95%信頼区間は[+0.023, +0.143]だった。過失衝突があったシーンの平均数も34.0から11.0に下がっている。報告された範囲では、視覚マスクによるポリシー内部の変更よりも、別モジュールとして組み込んだブレーキ機能の追加が、衝突関連指標とスコアの双方で大きな差に結びついた構図である。ただし、この比較はAEBを含む条件の評価結果であり、実環境で同じ効果が得られることを示すものではない。 技術構成上は、視覚言語モデルと行動エキスパートが2.5秒先の連続制御を担い、AEBは配備時に加えるルールベース機能として記述されている。これは、学習モデルの出力品質だけでなく、衝突回避を別の制御層で補う構成を評価対象にしたことを意味する。ただし、報告の抜粋からはAEBの作動条件や閾値、視覚マスクの具体的な生成方式は読み取れず、安全機能がどの場面でスコアを押し上げたかまでは分からない。 次に確認すべきなのは、150シーンでの結果が異なるシーン構成や走行回数でも再現するか、AEBが介入した回数と介入時の状況、視覚マスクが左折以外の場面に与える影響である。平均シーンスコアと過失衝突シーン数は異なる評価指標であり、運転品質全体を一つの数値で示すものではない。今回の数値はローカル閉ループ評価の結果として扱い、実車での安全性や一般的な性能と同一視しないことが重要だ。

なぜ重要か

報告では、視覚マスクのスコア差は信頼区間がゼロをまたいだ一方、ルールベースAEBの追加では差の信頼区間が正で、過失衝突があったシーンの平均数も減った。学習ポリシーの改善と、配備時の衝突回避機能の追加を分けて評価した点は、自動運転制御の安全性を検討する際に、どの機能がどの指標に関係したかを確認する材料となる。