VAD: 効率的な自動運転のためのベクトル化シーン表現
1分まとめ
VADは、ラスタライズ表現を排除し、完全ベクトル化されたシーン表現とインスタンスレベルの計画制約を用いるエンドツーエンド自動運転を提案した。nuScenesオープンループ評価で衝突率を29.0%削減（UniAD比）し、2.5倍高速な推論を実現した。
- 完全ベクトル化されたシーン表現を用いたエンドツーエンド自動運転手法を提案した。
- nuScenesオープンループ評価で、VAD-BaseはUniADに対し衝突率を29.0%削減（0.31%→0.22%）し、L2誤差を1.03m→0.72mに改善した。
- 推論速度はVAD-Baseで4.5FPS（UniAD比2.5倍）、VAD-Tinyで16.8FPS（同9.3倍）を達成した。
- 評価はnuScenesオープンループとCARLAシミュレーションのみで、実路での検証は行われていない。
- ラスタライズ表現を排除しインスタンスレベルの制約で安全性を高める方式は、その後のエンドツーエンド計画の基盤の一つとなった。
課題
従来のエンドツーエンド自動運転手法の多くは、占有グリッドやセマンティックマップなどのラスタライズされたシーン表現を用いていた。これは計算コストが高く、エージェントやマップ要素のインスタンスレベルの構造情報が失われる。また、コストマップの構築やルールベースの後処理が必要で、頑健性と汎化性に課題があった。VADはこの問題を、シーン全体をベクトル化して表現することで解決した。
提案手法
VADは、複数視点の画像をバックボーンとBEVエンコーダでBEV特徴に変換する。次に、エージェントクエリとマップクエリを用いて、ベクトル化されたマップ要素（レーン分割線、道路境界、横断歩道）とエージェントの将来軌跡（マルチモーダル）を予測する。計画モジュールでは、エゴクエリがエージェントクエリとマップクエリとトランスフォーマーデコーダで相互作用し、運転コマンド（左折・右折・直進）とエゴ状態を加えて計画軌跡を出力する。訓練時には、エゴ-エージェント衝突制約、エゴ-境界逸脱制約、エゴ-レーン方向制約の3つのベクトル化制約を適用する。損失は各制約と模倣学習の重み付き和で、エンドツーエンドに学習される。
評価と結果
nuScenesバリデーションセットでのオープンループ計画評価。指標はL2変位誤差（m）と衝突率（%）。VAD-BaseはL2平均0.72m、衝突率0.22%で、従来SOTAのUniAD（1.03m、0.31%）を上回った。VAD-TinyはL2平均0.78m、衝突率0.38%で、16.8FPSを達成。CARLA Town05の閉ループ評価では、VAD-BaseはDriving Score 64.29、Route Completion 87.26で、ST-P3（55.14、86.74）を上回った。なお、FPSの測定環境はUniADのみA100、他はRTX 3090と論文に記載されている。
nuScenesオープンループ計画の比較
| 手法 | L2平均 (m) ↓ | 衝突率平均 (%) ↓ | FPS |
|---|---|---|---|
| ST-P3 | 2.11 | 0.71 | 1.6 |
| UniAD | 1.03 | 0.31 | 1.8 |
| VAD-Tiny | 0.78 | 0.38 | 16.8 |
| VAD-Base | 0.72 | 0.22 | 4.5 |
nuScenesオープンループ計画のL2誤差
nuScenesオープンループ計画の衝突率
推論速度 (FPS)
新規性
ラスタライズ表現を完全に排除し、ベクトル化されたマップとエージェントの動きを計画の明示的な制約として用いる点が新規性。既存のBEVFormerやMapTRなどの要素を組み合わせているが、計画への応用方法は独自。
限界
論文に独立したlimitations節はなく、著者による明記はない。結論部では、多モーダル予測のうち最も信頼度の高い軌跡のみを衝突制約に使用している点と、レーングラフや信号などの交通情報の統合を今後の課題として挙げている。評価はnuScenesオープンループとCARLAシミュレーションに限られ、実路での検証は行われていない。オープンループ評価ではエゴ状態をオフにして比較しており、エゴ状態を使った結果（VAD-Base‡でL2平均0.37m、衝突率0.14%）も参考値として報告されている。また、FPSの比較はUniADのみA100で、他はRTX 3090という測定環境の違いがある。
産業へのインパクト
この論文は、エンドツーエンド自動運転の計画モジュールにおいて、ラスタライズ表現を一切使わず、ベクトル化されたシーン情報を計画の制約として直接用いる方式を確立した。計算コストの削減とインスタンスレベルの安全性向上が両立できることを示し、その後のエンドツーエンド計画研究のベースラインとして広く参照されるようになった。nuScenesとCARLAは現在も標準的なベンチマークとして使われており、L2誤差と衝突率という評価指標もこの分野で定着している。ただし、現在ではさらに高度な相互作用モデルや閉ループ強化学習、大規模基盤モデルとの統合が進んでおり、VAD自体のアーキテクチャがそのまま使われることは少なくなった。