GRID-Planner: 拡散プランニングのためのグラフ構造関係報酬整形

- 自動運転の planning において、安全・規則遵守・快適性を満たす trajectory を選択するための diffusion planning framework。 - 名前は GRID-Planner で、graph-reward integrated diffusion planning を特徴とする。 - 複雑な multi-agent interactions 下での closed-loop decision making を対象とする。 - 既存の diffusion- and RL-based planners の課題に対処する。

- 既存の diffusion- and RL-based planners は generic rewards に依存し、relational structure を主に representation に使う傾向があった。 - そのため planning-critical rollouts が policy improvement を形作る効果が限定的だった。 - GRID-Planner は relational signals を reward shaping に統合し、generative planning と構造化された関係信号を整合させる。 - これにより planning-critical な rollouts を policy 改善に活かす点が異なる。

- graph-aware importance weighting を導入する。 - time-indexed relational reward surrogate を用いる。 - advantage-weighted diffusion objective と on-policy self-distillation を組み合わせる。 - rollout-return-advantage-update loop を形成し、explicit likelihoods を必要としない。

- nuPlan と interPlan のデータセットで実験を行う。 - diffusion-only baseline と比較する。 - collision rate を 35.8% 削減、lane deviation を 60.8% 削減、jerk を 27.4% 削減する。 - planning score を 3.4% 改善する。

- 要旨からは不明。 - 実験結果は示されているが、限界や議論の詳細は記述されていない。

- diffusion-only baseline（diffusion planning の基本手法） - RL-based planners（強化学習ベースの planning 手法） - nuPlan - interPlan