Core Concepts
リアルな長尾シナリオにおいて、現状の車両運動計画手法には深刻な一般化能力の欠如が存在する。
Abstract
本論文は、リアルな長尾シナリオにおける車両運動計画手法の一般化能力を評価するための新しいベンチマークinterPlanを提案している。
interPlanは、nuPlanベンチマークをベースに、工事現場、事故現場、横断歩道の歩行者など、より複雑で稀なシナリオを追加したものである。
既存の状態の良いプランナー(ルールベース、学習ベース)を評価した結果、どのプランナーも難しいシナリオを安全に解決できないことが明らかになった。
大規模言語モデル(LLM)を活用したプランナーを提案し、ルールベースのモーションプランナーと組み合わせることで、新しい最先端のパフォーマンスを達成した。
提案手法のコードをオープンソースで公開し、この分野の研究を促進することを目指している。
Stats
既存の状態の良いプランナーは、工事現場、事故現場、横断歩道の歩行者などの難しいシナリオで失敗する。
ルールベースのプランナーは、車線変更や障害物の回避ができないため、難しいシナリオで低スコアとなる。
学習ベースのプランナーは、頑健性が低く、難しいシナリオで失敗する。
Quotes
"リアルな長尾シナリオにおいて、現状の車両運動計画手法には深刻な一般化能力の欠如が存在する。"
"既存の状態の良いプランナーは、難しいシナリオを安全に解決できない。"
"大規模言語モデル(LLM)を活用したプランナーと、ルールベースのモーションプランナーを組み合わせることで、新しい最先端のパフォーマンスを達成した。"