何が起きたか
arXivに2026年11月15日掲載の論文は、Lao Sijiが2026年のNVIDIA AlpaSim E2E Driving Challengeで3位となり、基盤モデルを用いた大半の参加手法を上回ったと報告した。Lao Sijiは、オープンソースのL2運転モデルopenpilotを基にしたエンドツーエンド運転方策である。論文によると、最終学習は1 GPU-hourで、出荷モデルからの重みの変化は3.9%だった。
詳細
手法では視覚エンコーダーを固定し、方策層をego-state adapterとroute memoryでファインチューニングした。ニューラル再構成したシーンでの閉ループ走行では、横方向の自己修正にprivileged map teacherを使い、道路や障害物とのクリアランスにはbody-extent lossを適用した。基礎モデルの残りの出力も蒸留し、車間追従を保つ構成とした。 論文のアブレーションでは、自己修正用サンプルが性能向上を担い、教師信号がない場面ではクリアランス損失がそれを代替したという。縦方向の安全性は、基礎モデルの先行車推定とルールベースの速度レイヤーに依存する。追加学習なしでもHUGSIMとOdysseyで上位に入ったとし、コードはレビュー後に公開するとしている。
Key Facts
| Lao Sijiは2026年のNVIDIA AlpaSim E2E Driving Challengeで3位に入ったと論文は報告した。 | [1] |
| 視覚エンコーダーを固定し、openpilotの方策層をego-state adapterとroute memoryでファインチューニングした。 | [1] |
| 最終学習は1 GPU-hourで、出荷モデルからの重みの変化は3.9%だったと論文は述べた。 | [1] |
| 論文は、追加学習なしでもLao SijiがHUGSIMとOdysseyで上位に入ったとしている。 | [1] |
本紙の見方
今回の技術的な焦点は、基盤モデルを一から学習するのではなく、既存のopenpilotの視覚エンコーダーを固定し、方策層を調整した点にある。論文は、最終学習が1 GPU-hourで、重みの変化が出荷モデル比3.9%だったと報告する。これは、少ない追加学習で閉ループ走行の課題に適応させる設計を示す一方、結果をそのまま実車での性能や安全性に読み替える根拠にはならない。評価対象はニューラル再構成シーンでの走行などであり、論文の要旨だけでは実環境への適用範囲は分からない。 性能向上の内訳も、単一の学習損失によるものではない。横方向の自己修正にはprivileged map teacherを使い、教師信号が得られない場面ではbody-extent lossがクリアランス確保を補うと論文は説明する。これに対し、縦方向の安全性は基礎モデルの先行車推定とルールベースの速度レイヤーに依存する。つまり、自己修正、障害物との距離、車間追従を同じ仕組みで解いているのではなく、既存モデルの機能と追加学習を役割分担させている。どの機能がどの場面で破綻し得るかを分けて検証する必要がある。 論文は、長時間の学習、人間の運転ログの模倣、人間の速度目標を使った学習では、測定可能な改善がなかったか、逆効果があったとも報告した。この結果は、データや学習時間を増やせば一律に改善するとは限らず、閉ループでの自己修正用サンプルや教師信号の設計が重要になり得ることを示唆する。ただし、要旨には各評価のスコア、ばらつき、比較条件の詳細が示されていないため、3位や他ベンチマークでの上位という結果の差の大きさは判断できない。今後確認すべきなのは、未学習の環境での再現性、先行車推定に依存する縦方向制御の限界、実車での安全性、そしてレビュー後に公開されるコードである。
なぜ重要か
論文の結果は、openpilotの視覚エンコーダーを保ったまま方策層を調整し、閉ループ走行向けの自己修正とクリアランス制御を追加する方法が、シミュレーション評価で機能したとするものだ。一方、縦方向の安全性は基礎モデルの先行車推定とルールベースの速度制御に依存しており、横方向の改善だけで運転全体の安全性を示すものではない。
