RoG-DAgger、自動運転の模倣学習に新手法 安全限界状態での教師データ生成を実現

何が起きたか

研究チームは2026年8月25日、自動運転のエンドツーエンドモデル向け後訓練フレームワークRoG-DAggerを発表した。同手法は、固定の専門家データによる開ループ模倣学習の限界を克服し、安全限界状態での高品質な専門家デモを生成する。評価では、Bench2Driveで運転スコア5.3ポイント、成功率6.2ポイント改善し、Longest6 v2では運転スコアを22から44へ倍増させた。

詳細

RoG-DAggerは、短時間のキネマティック・ロールアウトを用いて安全限界状態での専門家デモを構築する。具体的には、専門家の軌道・速度解空間を拡張し、ロールアウトによる候補プランの評価で予防的監督を生成する。また、ロールアウトの解決可能性を用いて、回復不能点の近くでテイクオーバーのタイミングを調整する。さらに、専門家の視野を学生モデルに合わせ、学生互換の監督を提供する。評価では、分布内（長距離含む）と分布外の両方で性能を確認し、Bench2DriveでSimLingoを運転スコア5.3ポイント、成功率6.2ポイント改善、Longest6 v2で運転スコアを22から44へ倍増、Fail2Driveで分布外成功率を55%から66%へ改善した。

Key Facts

本紙の見方

RoG-DAggerの提案は、自動運転のエンドツーエンドモデルにおける訓練と推論のミスマッチという根本的な問題に取り組む点で新規性が高い。従来の模倣学習は固定の専門家データに依存し、ポリシーが誘発する状態（policy-induced states）での誤差蓄積に脆弱だった。RoG-DAggerは、ロールアウトを用いて専門家デモを生成することで、この問題を直接的に緩和する。特に、専門家の解空間を拡張し、予防的監督を生成する点は、従来のDAggerアプローチでは扱えなかった安全限界状態への対応を可能にする。 本手法の核心は、専門家の視野を学生に合わせる点にある。これは、特権的な情報に依存する専門家の決定を、学生が利用可能な情報に基づいて再構成することを意味し、実世界での適用可能性を高める。また、テイクオーバーのタイミングをロールアウトの解決可能性で決定する点は、人間の介入を必要とする既存のDAggerパイプラインの課題を自動化する。 業界構造への含意として、この手法は自動運転の開発プロセスにおけるデータ収集の効率を変える可能性がある。従来は実車でのテストやシミュレーションで収集したデータに依存していたが、ロールアウトによるデモ生成は、より少ない実データで高品質な訓練を可能にする。これは、データ収集コストの削減につながり、特に長距離・分布外のシナリオでの性能向上に寄与する。 未確定の論点としては、RoG-DAggerの実車適用時の有効性が挙げられる。シミュレーションでの評価は良好だが、実世界のノイズやセンサー誤差に対する頑健性は未検証である。また、ロールアウトの計算コストや、大規模モデルへのスケーラビリティも今後の課題となる。

なぜ重要か

RoG-DAggerは、自動運転のエンドツーエンドモデルにおける安全限界状態での性能向上を実現する手法であり、実用化に向けた重要な一歩となる。特に、分布外シナリオでの成功率向上は、自動運転の安全性向上に直結する。