SIGMO: シグモイドゲート型インタラクション認識動作計画

- 自動運転車のための interaction-aware motion planner「SIGMO」 - sigmoid-gated な構造を持つ計画手法 - 複数エージェントが絡む狭路、密集交通での lane changing、無信号交差点の横断などを対象 - 2つの主要貢献 - polynomial sigmoid functions により周囲エージェントの yield scores を解析的に推定 - それを receding-horizon planner に統合し、任意の trajectory predictions と組み合わせた interaction-aware planning を実現 - 計算が軽量で mobility stack の strong baseline となることを狙う

- end-to-end や data-driven な手法は、高い proactivity と interpretability・迅速な adaptability の同時要求に課題があると位置づけ - SIGMO は解析的な polynomial sigmoid functions を用いることで interpretability を確保 - 複数エージェントへの scalability - 他エージェントの挙動変化への adaptability - 周囲交通との調和(停止し続ける・過度に保守的になることの回避) - 任意の trajectory predictions と統合可能な点を特徴として主張 - 具体的な先行研究名との定量比較は要旨からは不明

- polynomial sigmoid functions を定式化 - physics-grounded interaction features を用いて周囲エージェントの yield scores を解析的に推定 - この特徴量が driving intuitions を捉える - 推定した yield scores を receding-horizon planner に統合 - 任意の trajectory predictions を受け入れ可能 - interaction-aware な計画を実現 - sigmoid gate により proactive と defensive のバランスを調整する構造と解釈できる(詳細は要旨からは不明)

- interaction-intensive なシミュレーションで検証 - ハードウェア実験でも検証 - 結果として proactive と defensive のバランスを取れ、計算が軽量であることを示す - simulation と hardware experiment の動画が公開されている(URL が要旨に記載) - 定量的な評価指標や比較対象の詳細は要旨からは不明

- SIGMO が proactive/defensive のバランスと軽量性を両立し、mobility stack の strong baseline になり得ると主張 - 一方で、要旨には限界や失敗ケースの議論は明示されていない(要旨からは不明) - 任意の trajectory predictions との統合を謳うが、予測誤差への感度や他手法との定量比較は要旨からは不明

- 要旨で直接参照・比較されている個別研究は明示されていない - 関連手法として次を検討 - receding-horizon planner 系の手法(Model Predictive Control など) - interaction-aware motion planning の既存研究 - trajectory prediction と planning を統合する手法 - end-to-end / data-driven な自動運転計画手法 - 具体的な論文名は要旨からは不明