路側協調自動運転：データ基盤から視覚言語エンドツーエンド推論へ

本論文は、V2X協調自動運転のためのデータプラットフォームからVision-Language Model (VLM)によるエンドツーエンド推論までを扱う。具体的には、閉ループ評価と言語基盤の教師信号を備えたシミュレーションプラットフォームV2XBenchと、協調推論のための段階的構造化VQAデータセットChat-V2XBenchを導入する。さらに、これらの基盤上にエンドツーエンド協調運転フレームワークAURORAを提案する。AURORAは、デュアルビュー知覚アーキテクチャとCross-View Query Alignment and Fusion (CQAF)モジュールにより、egoとroadside視点間の空間的・意味的差異を緩和し、LoRA適応VLMを用いて意味推論と軌道計画を統合する。

既存のV2Xベンチマークは、閉ループ評価と言語基盤の教師信号のサポートが限定的であり、エンドツーエンド協調運転のためのVLM開発を妨げていた。本論文は、同期されたego-roadsideセンシングと閉ループ評価を備えたシミュレーションプラットフォームV2XBenchを提供し、さらに協調推論のためのVQAデータセットChat-V2XBenchを導入することで、これらの限界を克服している。また、AURORAは、重い遮蔽シナリオで最先端の性能を達成し、低い通信帯域幅を実現している点が優れている。

AURORAの技術的な肝は、デュアルビュー知覚アーキテクチャとCQAFモジュールである。CQAFは、egoとroadsideの視点間の空間的・意味的差異をクエリレベルで整列・融合する。これにより、統一されたトークンを生成し、LoRA適応VLMが意味推論と生成軌道計画を橋渡しする。また、V2XBenchは同期されたego-roadsideセンシングと閉ループ評価を提供し、Chat-V2XBenchは段階的に構造化されたVQAデータセットとして協調推論を支援する。

V2XBench上での広範な閉ループ評価により、AURORAは重い遮蔽シナリオで最先端の性能を達成し、Route Completion率98.21%、Driving Score 76.02を記録した。また、低いroadside通信帯域幅を実現していることも検証された。

要旨からは、AURORAの性能が重い遮蔽シナリオで優れていることが示されているが、他のシナリオや実世界での性能、VLMの推論の解釈可能性、データセットの規模や多様性に関する議論は明示されていない。また、通信帯域幅の低さは利点であるが、実際の通信遅延や信頼性への影響は要旨からは不明である。

要旨で参照されている関連研究として、既存のV2XベンチマークやVLMを用いた自動運転研究が挙げられる。具体的には、V2X協調のためのデータセットやベンチマーク、エンドツーエンド自動運転のためのVLM応用に関する論文が次に読むべきである。