何が起きたか
arXivに2026年11月5日掲載の論文は、エンドツーエンド自動運転向けの世界・行動モデル（WAM）に安全性を学習させる枠組み「NegWAM」を提案した。NAVSIM v2のnavhardで40.4 EPDMSを達成し、著者らが比較した最も高いscorer-free WAMベースラインに対し相対4.1%の改善だった。navtestでは93.3 EPDMSを記録した。
詳細
NegWAMは、専門家の軌跡に幾何学的に近い一方で安全上のリスクを持つ失敗軌跡を作り、危険な行動から予測を遠ざける学習上の基準として使う。さらに、場面と軌跡の適合性を学ぶscene-conditioned rider tokensを導入する。訓練ではflow-matching目的とnear-expert negative目的を共同最適化し、補助のriderブランチは推論時に取り除く設計である。論文は推論時の追加オーバーヘッドがないとしている。 著者らはHUGSIMでゼロショットの閉ループ評価も実施し、ベンチマークをまたいだ汎化を示す結果と説明している。
Key Facts
| NegWAMは、危険性を持つnear-expert failure trajectoriesを使うWAM向けの安全性ポストトレーニング枠組みとして提案された。 | [1] |
| NAVSIM v2のnavhardで40.4 EPDMSを達成し、比較対象の最も高いscorer-free WAMベースラインを相対4.1%上回った。 | [1] |
| NAVSIM v2のnavtestで93.3 EPDMSを達成した。 | [1] |
| 推論時には補助のriderブランチを取り除き、論文は追加オーバーヘッドがないとしている。 | [1] |
| HUGSIMでゼロショットの閉ループ評価を行った。 | [1] |
本紙の見方
navhardでの改善幅は、比較対象となったscorer-free WAMベースラインに対する相対4.1%であり、論文の結果の中心は、通常の軌跡模倣を置き換えることではなく、専門家軌跡の近傍に残る危険な選択肢を追加学習で抑える点にある。危険な軌跡を単に遠ざけるだけでなく、scene-conditioned rider tokensで場面と軌跡の適合性を学ばせる構成は、危険性を場面依存で扱おうとする設計と読める。 一方、navtestの93.3 EPDMSも併記され、著者らは安全性重視のシナリオでの改善と通常走行性能の維持を主張している。これは安全性だけを別個に最適化するのではなく、複数の評価条件で性能を確認する構成だ。ただし、要旨に示された数値はNAVSIM v2上の評価であり、実路上の安全性や事故リスク低減を直接示すものではない。評価指標の実環境への対応関係も、要旨だけからは判断できない。 学習時に追加するriderブランチを推論時に外す設計は、学習上の安全制約を実行系に常設の追加部品として持ち込まない方向を示す。論文は追加オーバーヘッドなしとしているが、具体的な推論時間、計算資源、車載ハードウェア上の測定値は要旨に記載されていないため、実装コストまで小さいとは結論できない。また、HUGSIMのゼロショット閉ループ評価はベンチマーク間の汎化を検討する材料だが、異なるシミュレーターでの評価と実車での検証は区別する必要がある。 この手法が依拠するのは、専門家軌跡に近い失敗例を構成し、学習データとして与えられることである。したがって今後確認すべきなのは、失敗軌跡の生成方法や危険性のラベル付け、学習データの範囲が結果に与える影響である。要旨では、これらの条件の詳細や実車評価、安全性指標の定義までは示されていない。NAVSIM v2とHUGSIMでの数値を、どの条件で再現できるかが、適用可能性を評価する焦点となる。
なぜ重要か
専門家軌跡の模倣だけでは制約しにくい、専門家軌跡に近い危険な代替行動を、NegWAMは明示的な学習対象にする。NAVSIM v2のnavhardで相対4.1%の改善を示した一方、実路上での安全性や車載計算負荷は要旨から確認できず、適用判断には評価条件と実環境での検証が重要になる。