運転軌道選択のためのバリア関数によるコンフォーマル安全クリアランス認証とCVaR

本論文は、自動運転の軌道選択において、選択された軌道の実際の安全クリアランス（safety clearance）を統計的に保証するフレームワークを提案する。具体的には、プランナーが生成・選択した軌道の計画時間マージンと実現される安全クリアランスのギャップを較正する。微分可能な分離軸バリアマージン（differentiable separating axis barrier margin）を用いて、正確なOBB（oriented bounding box）安全クリアランスの決定的な下界を計算し、統計的証明と安全マージンを結びつける。計画時には、名目予測とサンプリングされた下側テールのCVaR（Conditional Value-at-Risk）を用いてマージンを評価し、選択後には交換可能な運転セッションに基づくコンフォーマル較正（conformal calibration）により予測誤差やサンプリング誤差を吸収する。

従来の自動運転のモーションプランナーは、周囲エージェントとの相互作用を考慮して候補軌道を生成・選択するが、選択された軌道の実際の安全クリアランスを証明（certify）していない。本手法は、計画時間マージンと実現安全クリアランスのギャップを較正し、統計的に有効な安全証明を提供する点が新しい。特に、コンフォーマル較正を用いることで、予測器の正確性に依存せずに統計的妥当性を保証できる点が優れている。また、CVaRを用いた下側テールのサンプリングにより、コンフォーマル補正量を大幅に削減し、非負の安全クリアランス証明の割合を向上させる。

手法の核は、微分可能な分離軸バリアマージン（differentiable separating axis barrier margin）を用いて、正確なOBB安全クリアランスの決定的な下界を計算すること。このマージンは計画時に、名目予測とサンプリングされた下側テールのCVaRを用いて評価される。選択後には、交換可能な運転セッションに対するコンフォーマル較正を行い、予測誤差とサンプリング誤差を吸収する。コンフォーマル較正は予測器の正確性に依存せず統計的妥当性を提供する。

検証は、凍結された300セッションのnuPlan研究を用いて、ネイティブのPredictive Driver Model (PDM)のClosed loop提案を使用して行われた。10%の目標誤カバレッジ（miscoverage）において、サンプリングされた下側CVaRはコンフォーマル補正を1.43mから0.03mに削減し、非負の安全クリアランス証明の割合を68.7%から87.3%に向上させた。評価されたすべての統計量において、正確なクリアランスのカバレッジは90%目標を上回り、93.3%から96.7%の範囲であった。

要旨からは、議論の詳細は不明であるが、提案手法が統計的保証を提供する一方で、コンフォーマル較正の前提である交換可能性（exchangeability）が実際の運転セッションでどの程度満たされるか、また、CVaRサンプリングの計算コストや実時間性に関する議論が考えられる。また、安全クリアランスの下界を用いるため、実際のクリアランスよりも保守的になる可能性があり、そのトレードオフについての議論が想定される。

要旨で参照されている関連研究として、Predictive Driver Model (PDM)やnuPlanデータセット、コンフォーマル予測（conformal prediction）、Conditional Value-at-Risk (CVaR)に関する論文が挙げられる。また、安全クリアランスの証明に関連するControl Barrier Functions (CBF)や、軌道選択のための安全マージン評価に関する研究が関連する。