学習型軌道スコアリングのための多様なサンプル設計

本論文は、エンドツーエンドの運転ポリシーにおける軌道スコアラ（trajectory scorer）の学習データセットを設計する手法を提案している。多くの現在の運転ポリシーは、候補軌道のプールを生成し、その中から1つを選択する。この選択部分はスコアラとして分離可能であり、プランナーやバックボーン、軌道生成器を固定したまま再学習できる。しかし、強いプランナーは安全なモードの周辺に軌道を集中させるため、決定境界付近での教師信号が限られる。そこで、ログされた人間の軌道を、車両が変位できる2つの軸（横方向に走行可能境界へ、縦方向に先行車両へ）に摂動させる2つの生成器を構築し、より情報量の多い正例・負例を含むデータセットを設計する。

先行研究では、プランナーが生成する軌道プールをそのままスコアラの学習に用いることが一般的であり、安全な軌道が多くを占めるため、決定境界付近の情報が不足していた。本手法は、人間の軌道を意図的に摂動させることで、より識別に有効なサンプルを生成し、スコアラの学習を改善する点が新しい。

手法の核は、2つの軌道摂動生成器を設計することである。1つは横方向に走行可能境界へ向かって軌道をずらすもの、もう1つは縦方向に先行車両へ近づけるものである。これにより、ベースプランナーの提案プールよりも情報量の多い正例と負例を生成する。スコアラにはtransformerベースのモデルを用い、2つの凍結された生成プランナー（DiffusionDriveとMeanFuser）に取り付ける。

NAVSIM navtrainデータセットを用いて、ResNet-34をバックボーンとするスコアラを学習し、評価した。その結果、DiffusionDriveでは90.1 EPDMS、MeanFuserでは90.4 EPDMSを達成し、設計したデータセットによりそれぞれ0.4および0.3 EPDMSの改善が見られた。

要旨からは、提案手法の限界や議論についての詳細は不明である。ただし、設計したデータセットが特定のプランナーに依存する可能性や、摂動の程度や方向の選択が性能に与える影響などが考えられるが、要旨には記載がない。

要旨で参照されている関連研究として、DiffusionDriveとMeanFuserが挙げられる。また、NAVSIMデータセットや、軌道スコアリングに関する一般的な研究（例：end-to-end driving policies、trajectory scoring）を読むことが推奨される。