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:2610.29676

DriveMLP：自動運転ではモデル複雑性より訓練戦略が重要

DriveMLP: When Training Strategy Outperforms Model Complexity in Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

専門家データ由来の軌道距離報酬で強化学習を最適化ツールとして使うEGRLを提案し、軽量MLPポリシーDriveMLPがnuPlanベンチマークで従来最高の模倣学習プランナーを上回った。

詳しい要約

1. どんなもの？

- 自動運転(Autonomous Driving, AD)における閉ループ実行下で信頼できるmotion planning policyの学習を扱った研究。 - Imitation Learning (IL) をベースに、RLを最適化ツールとしてのみ使う閉ループILフレームワーク Expert-Guided RL (EGRL) を提案。 - その知見の軽量な実装として、MLPベースのポリシー DriveMLP を導入。 - nuPlan Val14 Reactive benchmark で 86.51 を達成。

2. 先行研究と比べてどこがすごい？

- 従来のILは大規模ADデータセットにスケールするが、distribution shift・causal confusion・compounding errors に悩む。 - RLは手作りのrule-based rewardsと大規模シミュレーションを要するのが通例。 - 本研究はモデルサイズや複雑さよりも訓練手続きが性能向上の大きな部分を説明するという証拠を示す。 - 結果として、以前の最良ILプランナー Flow Planner を +3.2 ポイント上回り、推論は >15x 高速。

3. 技術・手法の肝は？

- 閉ループILフレームワークで、RLを純粋に最適化ツールとして利用。 - logged expert data から導出した trajectory-distance reward で学習を導く(EGRL)。 - DriveMLP は軽量な MLP ポリシーであり、EGRLで訓練される。 - モデル複雑性ではなく訓練戦略に焦点を当てた設計。

4. どうやって有効だと検証した？

- 制御された実証研究(controlled empirical study)により、訓練手続きが性能向上の相当部分を説明する証拠を示した。 - DriveMLP を nuPlan Val14 Reactive benchmark で評価し、86.51 を達成。 - Flow Planner 比で +3.2 ポイント、推論速度 >15x を報告。

5. 議論はある？

- 訓練戦略がモデル複雑性を上回る可能性を示唆するが、その一般性や限界については要旨からは不明。 - EGRLのreward設計やclosed-loop実行下での頑健性に関する詳細な議論は要旨からは不明。 - 大規模シミュレーションや手作りrewardへの依存をどこまで回避できるかは要旨からは不明。

6. 次に読むべき論文は？

- Flow Planner(比較対象の以前の最良ILプランナー) - nuPlan Val14 Reactive benchmark 関連のプランナー研究 - Imitation Learning における distribution shift / causal confusion / compounding errors に関する研究 - Expert-Guided RL (EGRL) の元となるILおよびRLベースのmotion planning研究

※ 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: Alessandro Canevaro, Julian Schmidt, Hang Yu, Ye Jin, Sajad Marvi, Georg Martius, Julian Jordan

分類: cs.LG, cs.RO

原文アブストラクト

Learning motion planning policies that remain reliable under closed-loop execution is a central challenge in Autonomous Driving (AD). Imitation Learning (IL) scales well to large AD datasets but suffers from distribution shift, causal confusion, and compounding errors under closed-loop execution. In contrast, Reinforcement Learning (RL) typically requires handcrafted rule-based rewards and massive simulation. We study a simple closed-loop IL framework that uses RL purely as an optimization tool, guided by a trajectory-distance reward derived from logged expert data. We refer to this training strategy as Expert-Guided RL (EGRL). Through a controlled empirical study we find evidence that the training procedure, rather than model size and complexity, accounts for a substantial part of the performance gains. We then introduce DriveMLP, a lightweight MLP policy trained with EGRL, as a simple instantiation of these findings. It achieves a score of 86.51 on the nuPlan Val14 Reactive benchmark, a +3.2 point improvement over the previous best IL planner (Flow Planner), with >15x faster inference. Code is available at: https://github.com/alessandro-canevaro/DriveMLP .

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