Active Interaction-Aware Model Predictive Path Integral via Ego-Conditioned Generative Predictions

技術要約：エゴ条件付き生成予測による能動的な相互作用認識型モデル予測パスインテグラル

問題提起
高密度な交通環境における自律走行は、本質的に、自車（エゴ車両）と周囲の他車両が互いに影響を及ぼし合う相互作用の問題である。従来の「予測してから計画する（predict-then-plan）」アプローチは、これらのプロセスを分離しており、他者の軌道をエゴ車両の将来の行動とは無関係に予測してしまう。このパラダイムは、「凍結ロボット（frozen robot）」問題を引き起こす。これは、システムが自身の行動がいかに他者の反応を引き起こすかを考慮できないために、相互作用が発生するシナリオ（例：合流、保護なしの左折）において、過度に慎重になったりデッドロックに陥ったりする現象である。ゲーム理論的手法は相互作用をモデル化しようと試みるが、多くの場合、非現実的な合理性の仮定に依存しており、高密度な交通下では計算量的に実行不可能となる。一方で、既存のエゴ条件付きプランナーは、他者が譲歩することを暗黙的に想定する硬直した「リーダー・フォロワー」構造を採用することがあり、これが過度に攻撃的な挙動につながる可能性がある。核心となる課題は、簡略化されたパラメトリックモデルに頼ることなく、相互作用の不確実性を能動的に推論し、他者の隠れた意図を探り、タスクの効率性と安全性のバランスを取るプランニングフレームワークを開発することである。

手法
著者らは、生成自己回帰型予測モデル（GARPM）—具体的にはSMARTトランスフォーマー・アーキテクチャの変種—を**モデル予測パスインテグラル（MPPI）**制御スキーム内に統合した、ハイブリッドなプランニングフレームワークを提案している。

1. エゴ条件付き予測: 標準的な予測器とは異なり、GARPMは、特定の候補となるエゴ軌道に条件付けられた、周囲のエージェントの確率的かつマルチモーダルな未来を生成する。エージェントの未来の結合分布は自己回帰的に因数分解される。ここで、すべてのエージェントの次状態は、全エージェントの履歴と、評価対象となっている特定のエゴ軌道に基づいて予測される。
2. 入れ子状のサンプリングスキーム: 計画と予測の間の循環依存（予測には計画が必要だが、計画には予測が必要であるという関係）を解決するために、著者らは扱いやすい入れ子状のサンプリング手法を採用している。
   • 外側ループ（MPPI）: プランナーは、公称制御シーケンスに摂動を加えることで、$M$ 個の候補エゴ軌道をサンプリングする。
   • 内側ループ（行動ロールアウト）: 各サンプリングされたエゴ軌道に対して、GARPMは周囲のエージェントの$B$ 個の確率的な行動ロールアウトを生成する。
   • サロゲート分布: コスト評価を計算可能にするため、離散的な $B$ 個のロールアウトを連続的な**混合ガウス分布（MoG）**サロゲートへと変換する。ガウス分布の平均はサンプリングされたエージェントの状態に対応し、混合ウェイトはサンプリングされた軌道の自己回帰的な尤度から導出される。
3. リスク認識型コスト評価: 各エゴ軌道のステージコストは、MoGサロゲートに対してトラッキングおよび速度目標を評価することで算出される。極めて重要な点として、衝突リスクは、MoG分布を衝突領域上で積分することによって推定される。これにより、プランナーは誘発されたエージェント行動の分布下における衝突確率を評価できる。
4. 能動的な不確実性低減: 本フレームワークは、能動的な挙動を暗黙的に促す。環境を積極的に探る（例：反応を引き出すために前進する）軌道は、エージェントの意図を判別しやすくし、MoGのウェイトを一貫した少数の仮説に集中させる傾向がある。これにより、推定される衝突リスクが低減し、自然にMPPIオプティマイザを不確実性を解消するマニューバへと導く。

主な貢献
本論文の主な貢献は以下の3点である。

1. ハイブリッドフレームワーク: 学習された自己回帰型生成モデルをMPPIに統合し、予測と計画のループを閉じた新しい手法。これにより、生成モデルの表現力を活用して実世界のデータからマルチモーダルな不確実性を捉えつつ、モデルベース制御の安全性に関連する構造を維持している。
2. 扱いやすい相互作用認識型定式化: 入れ子状のサンプリングスキームを用いた、相互作用および不確実性を考慮したプランニング定式化。このアプローチは、サンプリングされたエゴ軌道に条件付けられたマルチモーダルな予測を評価し、標準的なエゴ条件付きプランナーが持つ「リーダー・フォロワー」バイアスなしに、リスク認識型の衝突確率推定を実現する。
3. 暗黙的な能動的プロービング: 生成モデルとMPPIのウェイトメカニズムを組み合わせることで、能動的な不確地性低減が可能であることを示した。本システムは、明示的な信念空間表現や専用の探索項を必要とせずに、より積極的で効率的な運転を実現している。

結果
提案手法は、nuPlanシミュレータを用い、隣接車線の合流、オンランプ合流、および保護なしの左折という3つの相互作用的な都市シナリオにおいて評価された。システムは以下の4つのベースラインと比較された。

• ベースライン1: マルチモーダルな「予測してから計画する（Predict-Then-Plan）」
• ベースライン2: 再帰的ホライゾン・エゴ条件付け（直前の最適計画のみに条件付け）
• ベースライン3: ユニモーダル・エゴ条件付きプランニング
• ベースライン4: 受動的エゴ条件付きMPPI（固定確率）

定量的な知見:

• 合流（Merging）: 提案手法は75%の合流成功率を達成し、合流時間も最短（11.8秒）であった。ベースライン1（予測してから計画する）は、過度な保守性により37.5%の成功率に留まった。
• オンランプ合流（On-Ramp Merging）: 提案手法は**衝突率0%**を達成したが、エゴ条件付きのベースライン（2, 3, 4）は、協調性を過大評価したために15%から25%の衝突率を記録した。ベースライン1は依然として過度に保守的であった。
• 保護なしの左折（Unprotected Left Turn）: 提案手法は、デッドロック率（5%）および衝突率（0%）の両方で最低値を記録し、最大30%のデッドロック率と10%の衝突率を示したベースラインを上回った。

定性的な知見:
視覚的分析（図2–6）により、提案手法が能動的なプロービングを通じて周囲のエージェントの協調性を推論することに成功していることが確認された。協調的なシナリオでは、プランナーは「譲る（yield）」モードが支配的になると、そのマニューバを実行する。非協調的なシナリオでは、「進行（proceed）」モードが支配的となり、推定衝突リスクが増大するため、プランナーはより安全な回避マニューバを選択する。対照的に、ベースラインは意図の曖昧さを解消できず（デッドロック）、あるいは過度に楽観的であり（衝突）、どちらかの問題に直面していた。

意義
本論文の意義は、ゲーム理論的な平衡計算の計算負荷や、簡略化されたパラメトリックモデルの行動的限界を負うことなく、「凍結ロボット」問題に対する原理的な解決策を提供している点にある。現代的な生成モデルの自己回帰的性質をサンプリングベースのコントローラ内で活用することで、本フレームワークは自律車両が環境を能動的に探り、不確実性を低減することを可能にする。これにより、従来の「予測してから計画する」手法や受動的な相互作用認識アプローチよりも、より安全で、効率的かつ決断力のある運転を実現しており、人間のドライバーに見られる能動的な不確実性低減戦略を効果的に模倣している。