日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
自動運転計画arXiv:2609.18442

自動運転における選択的軌道計画のためのリスク認識型ワールドモデリングとフロー誘導占有進化

Risk-Aware World Modeling with Flow-Guided Occupancy Evolution for Selective Trajectory Planning in Automated Driving

シェア:XThreadsFacebookLINEはてブBluesky

リスクを考慮したワールドモデルで占有予測と軌道選択を行い、衝突率を低減する自動運転の計画手法を提案。

詳しい要約

1. どんなもの？

- 自動運転の安全な運動計画のためのリスク認識型ワールドモデリングフレームワーク「RiskWorld」を提案。 - 共有占有予測と選択的軌道置換を統合し、空間リスク場と時間的アクターコンテキストを視覚的Bird's-Eye-View特徴と融合。 - Flow-guided evolutionで占有とシーン特徴を輸送し、signed residualsで輸送後の占有を補正。 - 計画ステップごとに1つの予測を生成し、候補間で再利用。各候補を現在状態のpersistence参照と比較し、非負のcollision-score補正を算出。 - 現在世界評価で選択された軌道を計画アンカーとし、追加の予測リスクが介入をトリガーし、代替案が予測リスクと軌道誤差の成分ごとの制約を満たす場合のみ置換。候補ジオメトリは不変。

2. 先行研究と比べてどこがすごい？

- 従来の運動計画手法と比較して、長い評価地平（3秒）で最低の衝突率を達成。 - 様々な最先端ベースラインの中で2番目に良い平均L2誤差を記録。 - 単一のNVIDIA RTX 4090上で11.5 FPS、90.81Mパラメータで動作。 - 現在状態の再スコアリングベースラインよりも低い衝突率を達成し、予測再利用により追加候補を低い限界計算コストで評価可能。

3. 技術・手法の肝は？

- 空間リスク場と時間的アクターコンテキストを視覚的Bird's-Eye-View特徴と融合。 - Flow-guided evolutionにより占有とシーン特徴を輸送し、signed residualsで輸送後の占有を補正。 - 計画ステップごとに1つの予測を生成し、候補間で再利用。 - 各候補を現在状態のpersistence参照と比較し、非負のcollision-score補正を算出。 - 現在世界評価で選択された軌道を計画アンカーとし、追加の予測リスクが介入をトリガーし、代替案が予測リスクと軌道誤差の成分ごとの制約を満たす場合のみ置換。候補ジオメトリは変更しない。

4. どうやって有効だと検証した？

- nuScenesデータセット上でオープンループ計画を評価。カメラ特徴、アノテーション由来の現在および履歴アクター状態、データセット提供の地図コンテキストを使用。 - 長い評価地平（3秒）で最低の衝突率を達成し、最先端ベースラインの中で2番目に良い平均L2誤差を記録。 - 単一のNVIDIA RTX 4090上で11.5 FPS、90.81Mパラメータで動作。 - 同一設定内のアブレーションにより、現在状態の再スコアリングベースラインよりも低い衝突率を達成し、予測再利用が追加候補の低い限界計算コストでの評価を可能にすることを示した。

5. 議論はある？

- 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や関連手法：現在状態の再スコアリングベースライン、最先端ベースライン（具体的名称は要旨に記載なし）。 - 同分野の定番：nuScenesデータセットを用いた運動計画手法、Bird's-Eye-View特徴を用いた占有予測手法、Flow-guided evolution関連手法。

※ 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: Rongxiang Zeng, Linsen Cai, Jiafu Zhang, Yijie Zhong, Yide Tao, Shuai Wang, Nan Zheng, Hai L. Vu, Alvaro Garcia Hernandez, Yongqi Dong

分類: cs.AI, cs.ET, cs.LG, cs.RO, eess.SY

原文アブストラクト

Safe motion planning in automated driving requires anticipating evolving traffic risks and deciding when to revise the current planned trajectory. We introduce RiskWorld, a risk-aware world modeling framework for shared occupancy forecasting and selective trajectory replacement. Spatial risk fields and temporal actor context are fused with visual bird's-eye-view features. Flow-guided evolution transports occupancy and scene features, while signed residuals correct occupancy after transport. One forecast is generated per planning step and reused across candidates. Each candidate is compared with a current-state persistence reference, yielding a nonnegative collision-score correction. The trajectory selected by current-world evaluation serves as the planning anchor and is replaced only when additional predicted risk triggers intervention and an alternative satisfies component-wise constraints on predicted risk and trajectory error. Candidate geometries remain unchanged. We evaluate RiskWorld for open-loop planning on nuScenes using camera features, annotation-derived current and historical actor states, and dataset-provided map context. RiskWorld achieves the lowest collision rate at a long evaluation horizon of 3 s, and the second-best average L2 error among various state-of-the-art baselines, while running at 11.5 FPS on a single NVIDIA RTX 4090 with 90.81 M parameters. Within-setting ablations show that RiskWorld achieves lower collision rates than the current-state rescoring baseline, while forecast reuse enables additional candidates to be evaluated at low marginal computational cost.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI