CoLT-Drive：運転アフォーダンス予測のための反事実的ロングテールベンチマークと知識保持適応

本論文は、自動運転の長尾（Long-tail）失敗を、稀な物体の認識エラーとしてではなく、その物体がego vehicleの実行可能な高レベル行動（縦方向・横方向のメタアクション）をどう変えるかを推論できるかという「decision-level driving affordance prediction」の問題として定式化する。この能力を評価するため、固定された運転シーンに稀な物体を挿入した3,536サンプルのcounterfactual long-tailベンチマーク「CoLT-Drive」を導入する。さらに、展開可能な小型VLMの性能向上のため、構造化されたperception-to-decision prompting、SLERPベースのexpert merging、RegMoE（regime-aware LoRA mixture-of-experts）を組み合わせた知識保持適応フレームワーク「KPA」を提案する。

従来のlong-tail自動運転研究は稀な物体の認識精度に焦点を当てていたが、本論文は「物体が行動選択に与える影響」を評価する点が新しい。また、小型VLMの適応において、既存のLoRA SFTはタスク適応時に事前学習のopen-world knowledgeを破壊し、in-domain精度は維持できてもCoLT-Driveのようなcounterfactualな場面で性能が低下する。KPAは知識を保持しながら軽量な適応を可能にし、ベースラインのQwen3-VL-2B（50.3%）やLoRA SFT（32.4%）を上回る60.8%のpair accuracyを達成しつつ、in-domain精度も維持する点が優れている。

KPAは3つの要素からなる。(1) structured perception-to-decision prompting：画像、ego-motion履歴、ナビゲーションコマンドを入力とし、認識結果を意思決定に橋渡しするプロンプト構造を設計。(2) SLERP-based expert merging：複数のタスク特化expertを球面線形補間（SLERP）でマージし、知識を保持しながら適応能力を合成。(3) RegMoE：運転の異なる意思決定レジーム（regime）に応じて軽量なLoRA expertをルーティングするmixture-of-expertsモジュール。これにより、事前学習モデルのopen-world knowledgeを保ちつつ、各運転レジームに適応容量を割り当てる。

in-domain driving splitとCoLT-Driveの両方で評価した。CoLT-Driveでは、KPAはpair accuracy 60.8%を達成し、事前学習済みQwen3-VL-2Bベースライン（50.3%）およびLoRA SFT（32.4%）を上回った。また、in-domain精度も競争力を維持することを確認した。

要旨からは、KPAがCoLT-Driveで高い性能を示す一方、in-domain精度とのトレードオフや、他のモデルサイズやアーキテクチャへの一般性、RegMoEのルーティングの解釈性、ベンチマークの多様性や現実世界との乖離などについての議論は明示されていない。また、KPAの各要素の寄与や、知識保持の定量的評価（例：open-world knowledgeの具体的なタスクでの性能）も要旨からは不明。

要旨で参照されている関連研究として、ベースラインのQwen3-VL-2B（VLM）、LoRA SFT、SLERP、mixture-of-experts（MoE）などが挙げられる。また、long-tail認識やcounterfactual推論に関する既存研究（例：rare object detection、counterfactual explanation）も関連する。具体的な論文タイトルは要旨にないため、同分野の定番として「Long-tail recognition」「Vision-Language Models for Autonomous Driving」「Parameter-Efficient Fine-Tuning」などの一般名を挙げる。