快適性を構造で保証：学習済み運転ポリシーのための適応的快適性制約付き行動空間

- データ駆動型運転シミュレータにおいて、加速度と操舵率を固定グリッドで指令する手法では、実現される加速度とジャークが制約されない。 - その結果、強化学習ポリシーが急激な最後の瞬間の操作で安全指標を膨らませ、人間の運転範囲を超え、実車の乗員に受け入れられない。 - 指標はポリシー品質ではなくシミュレータの許容性を測っている。 - 快適性境界を素朴に強制しても不十分：横方向の限界は速度とともに二次関数的に縮小するため、静的グリッドをクランプすると飽和し、細かい制御が破壊される（「グリッド崩壊」）。 - 本研究では、各ステップでグリッドを再離散化し、横方向ジャーク制約の閉形式逆変換により、そのステップの実行可能制御集合を正確にカバーする適応的行動パラメータ化を提案。 - さらに、実現された運動学を監査し、運動学的に挑戦的なシーンを作成するためのブラウザベースツール PufferDrive-Editor を提示。 - Waymo Open Motion Dataset と手作りスラロームで、適応モデルは快適性違反を1%未満に抑え、クリップされたグリッドおよび直接ジャークベースラインをナビゲ…

- 従来の固定グリッドによる行動空間では、実現される加速度とジャークが制約されず、強化学習ポリシーが急激な操作で安全指標を膨らませる問題があった。 - 快適性境界を素朴に強制する方法では、横方向限界が速度とともに二次関数的に縮小するため、静的グリッドをクランプすると飽和し、細かい制御が破壊される（「グリッド崩壊」）。 - 提案手法は、各ステップでグリッドを再離散化し、横方向ジャーク制約の閉形式逆変換により実行可能制御集合を正確にカバーするため、グリッド崩壊を回避しつつ快適性違反を1%未満に抑える。 - クリップされたグリッドおよび直接ジャークベースラインと比較して、ナビゲーション能力で優れる。

- 適応的行動パラメータ化：各ステップでグリッドを再離散化し、そのステップの実行可能制御集合を正確にカバーする。 - 横方向ジャーク制約の閉形式逆変換を利用して、速度に依存して二次関数的に縮小する横方向限界に対応。 - これにより、静的グリッドのクランプによる飽和と細かい制御の破壊（「グリッド崩壊」）を回避。 - 併せて、実現された運動学を監査し、運動学的に挑戦的なシーンを作成するブラウザベースツール PufferDrive-Editor を提供。

- Waymo Open Motion Dataset と手作りスラロームを用いて評価。 - 適応モデルは快適性違反を1%未満に抑えつつ、クリップされたグリッドおよび直接ジャークベースラインをナビゲーション能力で上回ることを示した。

- 要旨からは不明。

- 要旨で参照/比較されている研究：クリップされたグリッド（clipped-grid）ベースライン、直接ジャーク（direct-jerk）ベースライン。 - 関連手法：Waymo Open Motion Dataset を用いた運転ポリシー学習、強化学習による運転シミュレータ。 - 同分野の定番：CARLA などの運転シミュレータ、模倣学習や強化学習による運転ポリシー。