都市環境での運転のための条件付きアフォーダンス学習
1分まとめ
都市環境の自動運転を、画像から低次元のアフォーダンスを予測し従来コントローラで制御する直接認識アプローチで実現した。CARLAベンチマークの未見の街で、強化学習や条件付き模倣学習と比較して最大68%の成功率向上を報告している。
- 動画入力から6種類のアフォーダンス（赤信号・速度標識・車間距離など）を単一ネットワークで予測し、高レベル方向指示で条件付けする手法（CAL）を提案した。
- CARLAの未見の街（Town 2・学習済み天候）の動的障害物ありナビゲーションで成功率64%を達成し、最良ベースラインのCIL（38%）より68%向上した。
- 赤信号と速度標識を画像レベルのラベルのみで扱うことを示した最初の直接認識手法である（著者らの主張）。
- 評価はCARLAシミュレーションのみで、実車・実環境での検証は行われていない。
- 推論時間は50 ms（GTX 1080 Ti）で、当時のリアルタイム要件（100 ms以下）を満たす。
課題
既存の直接認識（direct perception）は高速道路のような単純な状況に限定され、交差点の通過、赤信号での停止、速度制限の遵守ができなかった。モジュラーパイプラインは手動設計の中間表現と高コストなアノテーションを必要とし、模倣学習は複雑なマッピングを一気に学習するためデータ量と不透明性の問題を抱える。
提案手法
提案手法は、VGG16を特徴抽出器とし、入力動画の各フレームから特徴マップを抽出して時系列タスクブロック（LSTM/GRU/時間畳み込み）で処理する。予測するアフォーダンスは、ハザードストップ・赤信号・速度標識（分類）と、先行車距離・相対角度・センタライン距離（回帰）の6種類。相対角度とセンタライン距離は方向指示（直進/左折/右折）ごとに専用の出力ユニットを持つ条件付きモデルで、アクティブな方向のグループだけが予測に使われる。コントローラは縦方向をPID制御で状態遷移（巡航・追従・速度超過・赤信号・ハザードストップ）により、横方向をStanleyコントローラとダンピング項で制御する。訓練データはCARLA Town 1で約24万枚を収集し、色・輝度・ノイズ・カメラ姿勢のランダム化でデータ拡張した。
評価と結果
CARLAベンチマーク（Town 1訓練、Town 2テスト）の4タスクについて、各条件25エピソードずつ成功可否を評価した。ベースラインはModular Pipeline（MP）、Conditional Imitation Learning（CIL）、Reinforcement Learning（RL）。比較を公平にするためCALは巡航速度を20 km/hに制限した。未見の街でCALは多くのタスクで最高成功率を記録し、動的障害物ありナビゲーションで64%（CIL 38%、MP 24%、RL 2%）となり、最良ベースライン比で68%向上した。赤信号・速度標識を考慮しないベースライン群（停止せず20 km/h巡航）に対しても、本手法は高い成功率を示した。
CARLA 未見の街（Town 2・学習済み天候）におけるタスク成功率［%］
| 手法 | Straight | One turn | Navigation | Nav. dynamic |
|---|---|---|---|---|
| MP | 92 | 61 | 24 | 24 |
| CIL | 97 | 59 | 40 | 38 |
| RL | 74 | 12 | 3 | 2 |
| CAL | 93 | 82 | 70 | 64 |
動的障害物ありナビゲーションの成功率（Town 2・学習済み天候）
旋回時の横方向ジャーク（RMS）
新規性
既存の直接認識を高速道路から都市環境へ拡張し、6種類のアフォーダンスを高レベル方向指示で条件付けして予測する点と、赤信号・速度標識を画像レベルのラベルだけで扱えるようにした点が新しい。
限界
著者による明示的な限界の記述はない。ただし、本文・補足から以下の制約が読み取れる。評価はCARLAシミュレーションのみで実車検証はない。訓練はTown 1のみで、テストはTown 2の単一シミュレータに限られる。センサは単眼カメラのみ。特定の天候条件で木の影が路面に落ちるとセンタライン距離の予測が乱れ、車線逸脱を起こすことが報告されている。右折時に歩道へ乗り上げる事例もある。また、訓練にはCARLAのAPIから得られるアフォーダンスの教師信号が必要で、実環境での同等ラベル取得は容易ではない。さらに、比較対象のベースライン（RL、MP、CIL）は当時の実装であり、現在のSOTAとの比較には注意を要する。
産業へのインパクト
本論文は、直接認識と方向指示による条件付けを組み合わせ、CARLAシミュレータで都市部の運転に取り組んだ初期の代表的研究である。アフォーダンスという中間表現により、ネットワークの判断をGrad-CAMで可視化できるなど解釈可能性を高めた点は、機能安全が重視される日本市場の開発工程に示唆を与える。ただし、評価はシミュレーション限定であり、実車への直接的な適用は想定していない。