既存エキスパートの選択か適応か？未知領域におけるマルチエキスパート拡散プランナ

複数のdomain-specific expertを持つdiffusion trajectory plannerを対象に、未見領域(unseen regions)で『既存expert間のroutingで対応すべきか、planner自体をadaptすべきか』を検証した研究。shared adapterとper-domain expert adaptersを備えたplannerを用い、3つの実世界held-out mapsで8種のtest-time routing schemeと、reward-based fine-tuningを比較している。

- 8種のtest-time routing schemeはいずれもstatic default(全sceneで同一expert)のfleet-mean lateral offsetを改善しなかった。 - 各sceneで最良expertを選ぶoracleでも平均offsetの改善は0.9 mに留まった。 - 一方、target-regionの20 sceneのみのreward-based fine-tuningは大幅な改善を示し、既存expert選択のheadroomが限定的であることを示した点が新しい。

- shared adapter + per-domain expert adaptersからなるdiffusion plannerを基盤とする。 - test-time routing scheme(8種)とoracle選択を比較対象とする。 - reward-based fine-tuningをtarget-region sceneで実施。 - joint replayによりtarget-region trainingと元ODDのscene replayを組み合わせ、forgetting抑制を狙う。

- 3つの実世界held-out mapsでfleet-mean lateral offsetを評価。 - matched evaluation slicesでjoint replayは6.9 m、static defaultは12.4 m。 - 同一target-region training budget下で比較し、改善がtarget-region trainingに由来し、replayが元ODDのforgettingを抑えることを示す。 - nuPlanでもtraining cities横断のfine-tuningがopen-loop offsetを改善するがclosed-loop性能は悪化。 - 2つのtest-time adaptation baselineが低offsetをdegenerate trajectoryで達成することを診断。

- 既存expert間の選択による改善余地(headroom)は限定的。 - planner自体のadaptationの方がopen-loop gainsは大きい。 - nuPlanではopen-loop改善とclosed-loop悪化が併存し、指標間の乖離が議論点。 - 低offsetがdegenerate trajectoryに由来し得るため、offset単独評価の妥当性に注意が必要。

- 本論文で比較されたtest-time routing schemeおよびtest-time adaptation baselines。 - oracle expert selection。 - reward-based fine-tuningおよびjoint replay。 - nuPlanベースのclosed-loop評価手法。