World4Scorer: 自動運転のための結果に基づく世界モデリング

自動運転のための計画選択スコアラ World4Scorer を提案する研究。 - Generate-and-select 型 planner は複数 trajectory を生成しスコアで選ぶが、未実行 plan の outcome ラベルが無い問題がある。 - これを trajectory-conditioned JEPA-style predictor として構築し、各 candidate の state を予測してスコアを読み出す。 - simulator の outcome ラベルで全 candidate の state を監督し、実行 trajectory の観測未来で predictor を実 scene に anchor する。 - NAVSIM-v2 で state-of-the-art、closed-loop Bench2Drive でも強い結果、OGBench-Cube の manipulation planning も改善。

Generate-and-select planner は NAVSIM で direct-prediction baseline を上回ってきたが、scorer は未実行 plan を比較する必要があった。 - 従来は driving log が実行 trajectory の未来しか記録しないため、log 未来との一致だけでは代替 plan の予測が制約されない。 - simulator は全 candidate の outcome をラベル付けできる点に着目。 - 単一 predictor が全 candidate の state を生成するため、anchor が未実行 plan のスコアに使う共有パラメータを制約できる。 - 未来情報は training 時のみ必要で、推論時には不要という利点がある。

World4Scorer は scorer を trajectory-conditioned JEPA-style predictor として構築する。 - 各 candidate について state を予測し、その state から candidate のスコアを読み出す。 - simulator outcome ラベルが全 candidate の state を監督する。 - 実行 trajectory の観測未来が predictor を実 scene 進化に anchor する。 - 生成 candidate は大半が高スコアになるため、scene-matched bank で低スコア plan を outcome 監督に追加する。 - framewise な選択が矛盾し得るため、inertial re-ranking で連続選択の一貫性を保つ。

NAVSIM-v2 で state-of-the-art 性能を達成。 - closed-loop Bench2Drive で adapted-system の強い結果を示す。 - LeWM world model と planning budget を固定した条件で、outcome-based scoring が OGBench-Cube benchmark の manipulation planning も改善することを確認。 - これらにより自動運転と manipulation の両領域で有効性を検証している。

要旨からは不明。 - ただし、生成 candidate が大半高スコアになる問題や framewise 選択の矛盾といった課題が述べられ、それぞれ scene-matched bank と inertial re-ranking で対処している。 - simulator ラベル依存や training 時の未来情報利用など、限界や議論点は要旨では明示されていない。

要旨で参照・比較されている研究や関連手法を挙げる。 - Generate-and-select planners - direct-prediction baselines - NAVSIM / NAVSIM-v2 - JEPA-style predictor - LeWM world model - Bench2Drive - OGBench-Cube - 同分野の定番として closed-loop planning や world model ベースの planning 研究も参考になる。