AutoAgent0: 安全な閉ループ運転のためのエージェント実行環境

本論文は、自動運転の閉ループ走行における安全性をテスト時実行問題として捉え、既存のdriving expertを拡張するagentic runtimeおよびharnessフレームワーク「AutoAgent0」を提案する。 - 単一フレームの計画精度ではなく、動的環境での信頼性の高い閉ループ実行を目的とする。 - 既存のend-to-end driving policyを再学習せずに、実行時監視で堅牢性を高める。 - 構成要素は、補完的なdetection skills、rule-based action verification、feedback-driven recovery。 - 長尾・安全クリティカルなシナリオでの閉ループ堅牢性向上を狙う。

先行研究と比べて、閉ループ誤差の蓄積や未見シナリオでの復帰困難という課題に対し、テスト時実行の枠組みで対処する点が異なる。 - 従来のend-to-end driving policyは単一フレームの計画精度向上に注力しがちだが、本手法は実行時監督を導入。 - 個々のexpertの限られた復帰能力を、独立したscene assessmentとonline recoveryで補う。 - 再学習なしで複数のdriving expertに適用可能な点が特徴。 - 具体的な先行研究名や比較手法は要旨からは不明。

技術の肝は、agentic runtimeとharnessによる実行時監督・検証・復帰の統合にある。 - 独立したdetection moduleが補完的なperception skillsでscene contextを構築。 - rule-based verifierが提案trajectoryをscene contextに照らして実行前にチェック。 - nominal trajectoryが信頼できない場合、orchestratorがRecovery Planningを起動。 - Recovery Planningではagentic loopがaction primitivesから代替action proposalを生成し、verification feedbackで反復改善。 - 知覚誤差とexpertの復帰能力不足の両方に対処する設計。

Fail2DriveとNavSafe-$\infty$での評価により、長尾・安全クリティカルなシナリオで単一expert実行よりも閉ループ堅牢性が向上することを示した。 - 複数のdriving expertに対して、基盤policyの再学習なしでruntime supervisionが有効であることを実証。 - 具体的な評価指標やベースラインの詳細は要旨からは不明。

議論として、runtime supervisionが複数のdriving expertにわたり閉ループ堅牢性を改善し、再学習不要で適用できる可能性が示されている。 - 一方、限界や失敗事例、計算コスト、スケーラビリティ、他のシナリオへの一般化については要旨からは不明。 - 安全性保証や形式検証との関係も要旨からは不明。

要旨で参照・比較されている研究は明示されていないため、同分野の定番として以下が考えられる。 - end-to-end driving policy（例：TransFuser, UniADなど） - closed-loop評価ベンチマーク（例：CARLA Leaderboard, Fail2Drive, NavSafe-$\infty$） - runtime verificationやsafe reinforcement learning、recovery planningに関する研究。 - 具体的な次読論文は要旨からは不明。