BranchDrive: 行動条件付き運転予測のための分岐構造データセット

BranchDriveは、CARLAを用いた分岐構造の自動運転データセットおよびベンチマークである。 - 1つの意思決定前履歴に対し、1つの名目エキスパート未来と12の物理的に実行された介入未来を対応させる。 - 介入は加速・制動・左操舵・右操舵を3段階の大きさで含み、各2.5秒間でその後エキスパート回復が続く。 - 監査後、606の独立分岐グループと7,878の軌跡を含む。 - 6つの連続短期結果と10ステップのego軌跡予測を評価する。

従来の自動運転データセットは、行動方策が実行した行動とその後の単一未来のみを記録するため、代替のego決定を比較する監督が限られていた。 - BranchDriveは、同一の意思決定前履歴に対して複数の介入未来を物理的に実行して対比可能にする点が新しい。 - これにより行動条件付き短期予測と固定バンクのオフライン意思決定評価を可能にする。

技術の肝は分岐構造のデータ収集と監査、およびモデル評価設計にある。 - 1つの正準な意思決定前履歴に、名目エキスパート未来と12の介入未来（加速・制動・左右操舵×3段階）を対応させる。 - 各介入は2.5秒間で、その後エキスパート回復が続く。 - control-compliance、modality-completeness、replay-fidelity、action-leakageの監査を実施。 - action-only、history-only、structured、visual、multimodal、privileged bird's-eye-viewモデルで評価する。

held-out test splitで評価している。 - structured history-and-actionモデルはmacro normalized mean absolute error 0.5036、average displacement error 2.2042 mを達成し、制限付きベースラインを有意に上回った。 - 完全情報のオフライン評価では、outcome-derived selectorがbalanced policy valueを0.5364から0.5704へ増加させ、normalized regretを0.2674から0.1495へ低減した。 - ただしvalidation-calibrated minimum-separation guardは全ての介入を拒否した。

議論点として、保守的な実行が未解決であることが示されている。 - minimum-separation guardが全介入を拒否することから、安全側の実行判断は依然として課題である。 - BranchDriveは行動条件付き短期予測と固定バンクのオフライン意思決定評価を支援するが、正確な因果効果、二値的安全予測、閉ループ安全性改善を確立するものではない。

要旨で参照・比較されている研究は明示されていない。 - 関連手法として、CARLAベースの自動運転データセット、action-conditioned prediction、offline decision evaluation、bird's-eye-viewモデル、multimodalモデルが挙げられる。 - 具体的な論文名は要旨からは不明。