Designing Versatile Samples for Learned Trajectory Scoring

自動運転車は、単に道路を見るというレベルを超えた根本的な課題に直面しています。初期のシステムは、単一の完璧な進行経路を計算しようと試みましたが、現実世界の走行は決してそれほど単純ではありません。交差点に近づく車は、左折する、直進する、あるいは歩行者のために待機するといった、複数の可能性を検討しなければなりません。この不確実性は「マルチモダリティ（多峰性）」と呼ばれ、安全な運転システムには単一の答えを出力するだけでなく、少数の可能なルートを生成した上で、その中から最善のものを選択する能力が求められます。この選択プロセスは極めて重要です。もしシステムが、一見安全に見えても実際には縁石や先行車に近すぎる経路を選択してしまった場合、交通違反や衝突を招く恐頻があります。ニアミスと大惨事を分けるのは、わずか数センチメートルの差であることが多く、その識別能力こそが、スムーズな通勤と危険な失敗を分ける境界線となります。

パデュー大学とボッシュ人工知能センターの研究者たちは、コンピュータにこれらの重要な選択を行わせる方法を開発しました。彼らの研究は、候補となる経路のリストをランク付けし、勝者を選ぶ役割を担うソフトウェアの部分である「スコアラー（評価器）」に焦点を当てています。彼らは、これらのスコアラーの標準的な学習方法では、最も困難な状況に対して準備不足の状態に陥っていることを発見しました。車両を安全の限界ギリギリまで追い込むような特殊な学習データセットを作成することで、複雑な運転シナリオにおけるシステムの性能を大幅に向上させることに成功しました。

問題の核心は、現在のシステムがどのように教えられているかにあります。ほとんどの自動運転ポリシーは、2つの段階で動作します。第一に、「プランナー（計画器）」が道路を見て、通常20個程度の可能な軌道（オプション）のプールを生成します。これらは車が取り得る選択肢です。第二に、「スコアラー」がこのリストを精査し、実行すべき単一の最適な経路を選択します。研究者たちは、プランナーは明らかな衝突を回避することには非常に長けているため、提示される選択肢のリストは、安全で快適な運転の周囲に集まる傾向があることを発見しました。プランナーは、道路の端に極端に接近したり、先行車のすぐ後ろを走行したりするような危険な経路を提示することは滅多にありません。これがスコアラーにとっての「盲点」を生み出しています。学習データに、こうしたリスクの高い境界線上のシナリオが欠けているため、スコアラーは、単に違反に近い経路と、実際にルールに抵触する経路の違いを判別する方法を学ぶことができないのです。これは、ぬるま湯のサンプルしか見せてもらっていない学生に温度の判断を教えるようなもので、熱い状態と冷たい状態の両方を経験しなければ、両者を区別することはできません。

これを解決するために、チームは不足している「エッジケース（境界事例）」を人工的に作成する手法を設計しました。まず、記録されたシーンの中で人間が実際に走行した経路を起点とし、そこから特定の2つの方向に系統的に経路を動かしていく手法をとりました。第一の方向では、経路を横方向にずらし、走行可能な道路の端に近づけ続け、最終的に境界線を越えるようにしました。第二の方向では、車を進行方向に動かし、前方の車両に近づけ続け、衝突する寸前の状態まで追い込みました。このように、小さな段階的なステップを踏むことで、安全なニアミスから明確な違反に至るまでの「梯子（はしご）」のようなシナリオ群を作成しました。これらの合成経路をシミュレーターに入力し、道路のルールがそれらをどのように判定するかを確認しました。このプロセスにより、元のプランナーが単独では生成し得なかった、豊富で多様な正例と負例のセットが生成されました。

研究者たちは、この新しい学習データを、シーケンスや関係性の理解に優れた「トランスフォーマー」と呼ばれるタイプのニューラルネットワークに基づく最新のスコアリングシステムに適用しました。彼らは、全く変更していない2つの既存のプランニングシステムを用いてテストを行いました。一方のシステムはカメラとレーザースキャナーの両方を使用しており、もう一方はカメラのみに依存していました。どちらの場合も、プランナーは固定されたまま、スコアラーのみが新しい拡張データセットを用いて個別に学習されました。結果は驚くべきものでした。大規模な実世界の運転シーンのベンチマークを用いたテストにおいて、新しいスコアラーは一貫してより安全な経路を選択しました。カメラのみのシステムでは、全体的なパフォーマンススコアが89.5から90.4へと向上しました。カメラとレーザーを併用するシステムでは、88.3から90.1へと上昇しました。

改善はすべての運転要素において一様に起こったわけではなく、それによって新しい学習データが何を達成したのかが明確になりました。システムは、衝突回避や走行領域の維持といった、最も重要な安全性指標において大幅に改善されました。実際、研究者たちは、得られた利得がほぼ完全にこれらの安全性指標に集中していることを見出しました。システムは、進行速度や車線維持の面ではわずかに攻撃性が低下しましたが、これはスコアラーが安全性を確保するために受け入れたトレードオフでした。このことは、新しい学習データが、速度や快適さを最大化することよりも、ルール違反を避けることを優先するようにスコアラーを教え込むことに成功したことを示唆しています。

この改善が、単にデータの量によるものではなく、特定の設計によるものであることを証明するため、研究者たちはランダムに生成された経路を用いたバージョンと比較を行いました。ランダムなデータではほとんど恩恵が得られず、注意深く構築された学習セットこそが鍵であったことが確認されました。車を道路の端や前方の車へと押し出すという特定の設計こそが重要だったのです。この研究は、ニューラルネットワークのアーキテクチャ自体と同じくらい、学習データの質が重要であることを示しています。事故が起こる決定境界をカバーするように学習データを意図的に構築することで、研究者たちは、凍結された（変更されない）プランナーであっても、よりスマートなスコアラーと組み合わせることが可能であることを示しました。このアプローチは、より安全な自動運転への実用的かつ効率的な道筋を提示しており、時には機械の判断力を向上させる最善の方法が、まさに「境界線がどこにあるか」を教えることであることを証明しています。