Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic

技術概要：時空間論理を用いたニューロ記号的シナリオ生成のガイダンス

問題定義
自動運転（AD）技術の急速な進展は、堅牢な安全性評価手法の開発を上回っている。従来のテストは、膨大な数の現実世界の交通シーンへの力任せの曝露に依存しており、この戦略は費用対効果が極めて低く、稀で安全性上重要なエッジケースを統計的に捕捉する上で非効率的である。深層生成モデル、特に拡散モデル（DMs）は、現実的なマルチエージェント軌道の合成に対する有望な代替手段を提供するが、再学習なしに特定の安全性上重要な行動へと生成を明示的に誘導するメカニズムを欠いている。既存のガイダンス手法は、交通ドメインの時空間的およびマルチエージェント的な複雑さに対処する際にしばしば困難に直面する。さらに、信号時空間論理（STL）などの形式手法は、異種エージェント間の相互作用を指定するために必要な組み合わせ爆発により、マルチエージェントシステムにおいてスケーラビリティと解釈可能性の課題に直面している。カテゴリ属性（例：車両タイプ）を含む特性に対する定量的な頑健性を定義する上での決定的なギャップが残っており、これが形式論理を最適化のための微分可能な目的関数として利用することを制限している。

手法
著者は、マルチエージェント軌道生成拡散モデルと彩色時空間到達・逃避論理（CSTREL）を相乗的に組み合わせるスケーラブルなフレームワークSTRELGenを提案する。この手法は主に 3 つの段階で動作する。

1. 軌道生成のベースライン: システムは、[23] のアーキテクチャに基づく潜在拡散モデル（LDM）を利用する。このモデルは、事前学習された QCNet を介してエンコードされたシーンコンテキスト（マップ、履歴、相互作用）を条件として、すべてのエージェントの将来の軌道を共同で生成する。著者は、逆過程を決定論的にし、安定した勾配逆伝播を容易にするために、暗黙的な定式化（DDIM）を採用している。
2. 彩色 STREL（CSTREL）: カテゴリ述語に関する標準的な時空間論理（STL）の限界に対処するため、著者は CSTREL を導入する。この論理は、エージェント属性（例：車、歩行者、自転車）に基づいて空間グラフを色固有のサブグラフに分割する。
   • 微分可能な意味論: CSTREL は、$p: L \times \mathbb{R}^+ \to C$ という彩色関数を定義することで STL を拡張する。これは、特定の色の集合に一致するノードへの経路探索を制限する「彩色原子」と「彩色到達/逃避」演算子を導入する。重要なことに、この拡張により、離散的なカテゴリ属性からさえ連続的な頑健性値を導出することが可能となり、論理を完全に微分可能にする。
   • 実装: 勾配ベースの最適化を可能にするこれらの頑健性値を計算するための PyTorch ライブラリが開発された。
3. 潜在空間ガイダンス: 推論時に、フレームワークは事前学習された拡散モデルの潜在入力 $z$ を最適化し、CSTREL 式 $\phi$ の充足を最大化する。
   • 目的関数: 最適化は、頑健性指標 $\rho_\phi(G_\theta(z))$ を最大化する。安全性上重要なシナリオでは、エージェント間の最大頑健性がターゲットとされ、現実性については最小値が用いられる。
   • 正則化: 最適化が潜在空間の低確率領域（マンホールド外サンプル）に逸脱するのを防ぐため、潜在入力の対数尤度（標準ガウス分布を事前分布と仮定）に比例する正則化項が追加される。最終的な目的関数は $J(z) = \rho_\phi(G_\theta(z)) - \lambda \frac{1}{2}\|z\|_2^2$ である。

主要な貢献

1. 彩色 STREL: ノード属性によって空間グラフを分割する STL の新規拡張。これにより、連続的な頑健性意味論を維持しつつ、特定クラスのオブジェクトにわたる複雑な空間的特性の監視が可能となり、カテゴリデータに対する未定義の定量的意味論の問題が解決される。
2. 微分可能なガイダンスフレームワーク: 生成モデルの潜在空間を直接最適化するために CSTREL 仕様を目的関数として使用する手法。これにより、モデルの再学習なしに時空間要件を満たす軌道の生成が可能となる。
3. 安全性上重要なデータ拡張: 現実世界のデータで過小評価されている多様で現実的かつ安全性上重要なシナリオを生成する戦略。交通規則との整合性を確保し、尤度正則化を通じて非現実的な出力を防ぐ。

結果
このアプローチは、3 つの代表的な安全性上重要なシナリオ（脆弱な道路交通利用者への接近する高速車両、前方に低速車両を見つける高速車両、低速車両に囲まれた高速車両）を使用して、Argoverse 2 運動予測データセット上で評価された。

• 誘導の有効性: STRELGen は、拡散モデルをターゲットの CSTREL 仕様を満たす軌道を生成するように成功裡に誘導した。ガイダンスのないサンプリングでは、約 13.6% のシナリオのみが挑戦的（正の頑健性）であったのに対し、ガイダンス付きアプローチでは 100% の充足を達成した。
• 安全性指標: ガイダンス付き生成は、バニラベースラインと比較して、一貫して低い中央値の最小エージェント間距離と、より多くの潜在的な衝突を生み出し、安全性上重要な行動の生成を確認した。
• 妥当性: 定性的分析と尤度正則化の使用により、生成された軌道が物理的に妥当であり、道路幾何学と整合していることが保証され、マンホールド外のハルシネーションを回避した。この手法は、仕様に駆動された最適化と物理的制約の維持とのバランスに成功した。

重要性
本論文は、STRELGen が自動運転システムのストレステストのための柔軟で解釈可能かつ強力なツールを提供すると主張している。データ駆動型の生成モデルと形式論理の間のギャップを埋めることで、このフレームワークは力任せのデータ収集の限界を超えて進む。それは、稀な事象に関する生成モデルのカバレッジの体系的な評価を可能にし、学習されたデータ分布内に存在する安全性上重要なシナリオの標的生成を可能にする。著者は、このアプローチが現実世界の堅牢性を検証するために不可欠な厳格なテスト環境の作成を促進し、より信頼性の高い自動運転車の展開への道を開くと仮定している。