何が起きたか
arXiv掲載論文「Old-School Planners Drive (Sometimes) Better Than Learned Ones」は2026年11月18日、経路源と軌道計画法を組み合わせた従来型プランナー16種を評価した。nuScenesのオープンループ評価では最良の従来型プランナーのL2誤差が0.735 mで、UniADのプランナーの0.947 mを下回った。HUGSIMでは16種中9種がUniADの学習型プランナーを上回り、最良構成は走行スコアを32.0から41.8に改善した。
詳細
評価対象はnuScenesのオープンループ、正解の認識結果を使うnuPlanのクローズドループ、フォトリアリスティックなHUGSIMのクローズドループの3種類。16種は、基準線・A*・ハイブリッドA*・RRT*の経路源と、Frenet格子・非線形最適化・s-t探索・ダイナミックウィンドウの軌道計画法を組み合わせた。nuPlanのTest14-hardでは反応するエージェントを含む条件で、従来型の最良スコアは79.3、ルールベースのPDM-Closedは76.1だった。 HUGSIMではUniADの認識部を固定し、プランナーだけを置き換えて評価した。HDマップやその他の特権情報は使わず、最良構成はハイブリッドA*で経路を作り、非線形最適化で軌道を決めた。改善幅は停車車両や対向車がいる条件で大きく、自車に向けて操舵する車両に対しては改善がなかった。UniADのプランナーが衝突した182回の走行のうち31回は、同じ認識結果を使った最良の従来型プランナーが経路を完了した。
Key Facts
| 経路源と軌道計画法を組み合わせた従来型プランナー16種を、3つのベンチマークで評価した。 | [1] |
| nuScenesで最良の従来型プランナーのL2誤差は0.735 m、UniADのプランナーは0.947 mだった。 | [1] |
| nuPlanのTest14-hardで、反応するエージェントがいる条件のスコアは従来型プランナーが79.3、PDM-Closedが76.1だった。 | [1] |
| HUGSIMでは16種中9種がUniADの学習型プランナーを上回り、最良構成はHD-Scoreを32.0から41.8に高めた。 | [1] |
| UniADのプランナーが衝突した182回のうち31回で、最良の従来型プランナーは同じ認識結果を使って経路を完了した。 | [1] |
本紙の見方
この論文の焦点は、学習型プランナーを従来型の手設計方式が一律に置き換えられるかではなく、認識結果を固定した条件でも計画器の選択が走行結果を変えるかを分けて検証した点にある。HUGSIMでプランナーだけを差し替えた比較は、認識と計画を一体で評価するだけでは見えにくい失敗箇所を切り分ける設計だ。182回の衝突のうち31回で同一認識から経路完了に至った結果は、少なくともその走行では認識の違いだけでなく計画器の違いが結果に関係したことを示す。ただし、残る衝突の原因まで特定するものではない。 結果は、手設計方式の優位が評価条件に依存することも示す。nuScenesではL2誤差、nuPlanではTest14-hardのスコア、HUGSIMではHD-Scoreを報告しており、指標も走行条件も異なるため、数値を横並びにして単一の方式が総合的に優れるとは読めない。HUGSIMではハイブリッドA*と非線形最適化の組み合わせが32.0から41.8へ上げた一方、自車に向けて操舵する車両には改善がなかった。停車車両や対向車への効果を、より複雑な相互作用を含む場面へそのまま一般化できない点が重要だ。 構成上の含意は、経路探索と軌道生成を組み合わせる従来型方式が、学習型の認識基盤と共存する比較対象になり得ることだ。論文のHUGSIM評価では認識部を固定し、HDマップなどの特権情報も使わずに計画器を置き換えているため、少なくともその設定では、計画機能を独立に比較する余地がある。ただし、16種の組み合わせの結果は、手設計方式一般の性能保証ではない。実運用を判断するには、今回差がなかった対向操舵のような条件での再現性、認識結果が不完全な場合の挙動、異なる環境での安全性を確認する必要がある。論文要旨からは、実車での検証や運用時の計算負荷は確認できず、ベンチマーク上の改善と実車適用の間は区別して評価すべきだ。
なぜ重要か
HUGSIMでは認識結果を固定したまま計画器だけを交換し、9種がUniADの学習型プランナーを上回った。これは、少なくとも同ベンチマークの条件では、走行性能の比較に認識モデルだけでなくプランナーの設計も関わることを示す一方、車両が自車に向けて操舵する場面では改善がなかったため、適用範囲を場面別に評価する必要がある。
