自動運転2026/9/12arXiv:2609.13941

BLInD: 未来の自車軌道分布として運転意図を学習する

BLInD: Learning Driver Intent as a Distribution over Future Ego Trajectories

カメラやLiDARを使わず車両状態履歴のみから将来の自車軌道のマルチモーダル分布を予測する軽量ネットワークを提案し、自動緊急ブレーキの誤検知を大幅に削減できることを示した。

詳しい要約

1. どんなもの？

- 車両状態履歴（速度、曲率、方向指示器、車種など）のみを入力とし、カメラ・LiDAR・地図・物体追跡を使わずに、将来の自車軌道のtop-k分布を出力するコンパクトなネットワークBLInDを提案。 - 近未来の自車軌道に対する有用なマルチモーダル分布を学習でき、低遅延で安全クリティカルな展開に適する。 - 分布アーキテクチャとしてautoregressive (AR)とflow-matchingを検討し、混合プラットフォームのオープンソースデータセットとWayveデータセットで学習。 - データセット固有の適応なしで一般化し、flow-matchingモデルはWayveでtop-k ADE/FDE 0.15/0.37 m、Waymoで0.15/0.36 m、nuScenesで0.28/0.59 mを達成。ARモデルも同等のカバレッジ。 - AEBトリガータスクに統合し、厳格な全候補ポリシーで偽陽性を削減。ARで1.51%から0.11%へ（13.7倍減、TP 94.9%）、flow-matchingで0.06%へ（25.1倍減、TP 98.7%）。 - NVIDIA DRIVE Orin…

2. 先行研究と比べてどこがすごい？

- 既存の学習済み分布モデルはシーンコンテキストに依存し、ブラインド車両状態モデルは通常単一パスに収束するのに対し、BLInDは学習済み・ブラインド・クロスドメインを同時に実現。この組み合わせは先行研究で示されていない。 - カメラ、LiDAR、地図、物体追跡入力を一切使わず、車両状態履歴のみで有用なマルチモーダル分布を学習できることを発見。 - 低遅延性により安全クリティカルな展開に適し、AEBトリガータスクで偽陽性を大幅に削減（ARで13.7倍、flow-matchingで25.1倍）しつつ高い真陽性率を維持。 - データセット固有の適応なしで複数データセット（Wayve、Waymo、nuScenes）に一般化。

3. 技術・手法の肝は？

- 入力: 最近の車両状態履歴（速度、曲率、方向指示器、車種など）。 - 出力: 将来の自車軌道のtop-k分布。 - 分布アーキテクチャ: autoregressive (AR)とflow-matchingの2種類を検討。 - 学習: 混合プラットフォームのオープンソースデータセットとWayveデータセットで訓練。 - 推論: NVIDIA DRIVE Orin ECU上でARヘッド0.87 ms、flow-matchingヘッド2.9 ms。 - 下流システムへの制御可能で妥当な意図サンプリングインターフェースを提供。AEBが一例。

4. どうやって有効だと検証した？

- 複数データセット（Wayve、Waymo、nuScenes）でtop-k ADE/FDEを評価。flow-matchingモデルはWayveで0.15/0.37 m、Waymoで0.15/0.36 m、nuScenesで0.28/0.59 mを達成。ARモデルも同等のカバレッジ。 - AEBトリガータスクに統合し、厳格な全候補ポリシーで偽陽性率を評価。ARで1.51%から0.11%へ（13.7倍減、TP 94.9%）、flow-matchingで0.06%へ（25.1倍減、TP 98.7%）。比較対象は1-CTRVポリシーでTP 100%。 - 推論時間をNVIDIA DRIVE Orin ECU上で計測し、リアルタイム展開可能性を確認。

5. 議論はある？

- 車両状態履歴のみで有用なマルチモーダル分布を学習できることを示し、低遅延性が安全クリティカルな展開に適することを議論。 - 既存の学習済み分布モデルはシーンコンテキストに依存し、ブラインド車両状態モデルは単一パスに収束するのに対し、BLInDは学習済み・ブラインド・クロスドメインを同時に実現する点を強調。 - このような分布が下流システムへの制御可能で妥当な意図サンプリングインターフェースを提供し、AEBがその一例であると主張。 - 具体的な限界や失敗ケース、倫理的考慮については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究: 既存の学習済み分布モデル（シーンコンテキスト依存）、ブラインド車両状態モデル（単一パスに収束）、1-CTRVポリシー。 - 関連手法: autoregressive (AR)モデル、flow-matchingモデル。 - データセット: Wayve、Waymo、nuScenes。 - 同分野の定番: 軌道予測におけるマルチモーダル分布学習（例: 混合密度ネットワーク、GAN、VAE）、AEB（自動緊急ブレーキ）システム。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Flavian Pegado, Ronit Hire, Shreyas Rajesh, Soham Phade

分類: cs.CV, cs.RO

原文アブストラクト

We present BLInD (Blind Learned Intent Distribution), a compact network that maps recent vehicle-state history (e.g. speed, curvature, indicator, and vehicle type) to a top-k distribution of future ego trajectories, with no camera, LiDAR, map, or object-track inputs. We find that vehiclestate history alone is sufficient to learn a useful multimodal distribution over near-term ego trajectories, and its low-latency nature makes it well-suited for safety-critical deployment. We investigate two distribution architectures, autoregressive (AR) and flow-matching, and train on both mixed-platform opensource and Wayve datasets. Both generalize without datasetspecific adaptation; the flow-matching model achieves best topk ADE/FDE of 0.15/0.37 m on Wayve, 0.15/0.36 m on Waymo, and 0.28/0.59 m on nuScenes, with the AR model reaching comparable coverage. Integrating the distributions into an AEB trigger task, a strict all-candidates policy reduces false positives from 1.51% to 0.11% with AR (13.7x reduction, 94.9% TP) and to 0.06% with flow-matching (25.1x reduction, 98.7% TP) compared to a 1-CTRV policy with 100% true positive score. BLInD runs in 0.87 ms with the AR head and 2.9 ms with the flow-matching head on an NVIDIA DRIVE Orin ECU making it compatible with real-time deployment on automotive ECUs. While existing learned distribution models rely on scene context and blind vehicle-state models typically collapse to a single path, BLInD is learned, blind, and cross-domain simultaneously, a combination not demonstrated by prior work. These results show that such a distribution provides a controllable and plausible intent sampling interface for downstream systems, with AEB as one instantiation.

arXivで原文を読む →arXiv概要ページ