エンドツーエンド運転モデルの隠れたバイアス
1分まとめ
CARLA上の最高性能（SOTA）手法には、目標点追従による横方向の回復と、ウェイポイントの多峰性を平均化する縦方向制御という2つの隠れたバイアスがあることを示した。この分析に基づくTransFuser++（TF++）は、エンドツーエンド（認識から制御までを単一モデルで学習する方式）の手法としてLongest6で運転スコアを従来の最高性能（SOTA）から11ポイント伸ばし、同ベンチマークとLAVで1位を達成した。
- TF++は、画像とLiDARを入力とし、トランスフォーマーデコーダ、シフト・回転オーグメンテーション、経路と目標速度の分離を組み合わせたエンドツーエンド手法である。
- Longest6で運転スコア（DS）69（従来の最高性能〔SOTA〕は58）を達成し、11ポイント向上した。検証タウンのLAVルートでもDS 70で従来のSOTAを上回った。
- 評価はCARLAシミュレーションのみで、時速35km/h未満の市街地走行に限定される。実環境は未検証で、目標点に依存した回復は正確な地図・位置推定が前提となる。
- 本論文は、ベンチマーク性能の要因を「隠れたバイアス」として分解する分析枠組みを確立し、以後のCARLA研究の比較・評価の土台となった。
課題
CARLAのリーダーボードでは2年で運転スコアが20未満から70超へ伸びたが、手法ごとにアーキテクチャも訓練データも異なるため、何が効いているのか不明だった。既存の模倣学習（IL）手法は目標点（TP）という地図由来のGNSS座標で条件付けされ、地図非使用とされながらも、実際にはTPへの外挿によってステアリング誤差を定期的にリセットしている。さらに、将来の位置を予測するウェイポイント出力は経路と速度を混在させており、将来速度の多峰性を単一の点推定に押し込める曖昧さがある。既存手法はこれらの偏りを明示せず、性能向上の要因を誤って解釈していた。
提案手法
提案手法TF++は、TransFuserをベースに次の変更を加える。(1) エンコーダ出力の特徴グリッドをグローバル平均プーリング（GAP）で潰さず、8×8のBEV特徴をトークン化し、位置符号化を加えてトランスフォーマーデコーダでクロスアテンション処理する。(2) 出力を時間間隔のウェイポイントではなく、1m間隔で10点の経路（パス）と、4クラスの目標速度分類（29／18／7／0 km/h）に分離する。分類結果は信頼度で重み付けしてコントローラに入力する。(3) データ収集時に±1mの横シフトと±5度のヨー回転を加えた第2カメラを併設し、50%の確率で訓練に使うシフト・回転オーグメンテーションを導入する。(4) まず補助知覚タスク（深度、セマンティックセグメンテーション、BEVセグメンテーション、物体検出）だけでエンコーダを事前訓練し、その後GRUデコーダと目標速度ヘッドを含む全損失でファインチューニングする。データは訓練ルートを3回走行して収集した750kフレーム（検証タウン除外時は550kフレーム）を使用する。
評価と結果
評価設定: Longest6（訓練タウン01〜06の36ルート）とLAV検証（保留タウン02・05の16ルート）を使用。指標は運転スコア（DS）、ルート完了率（RC）、インフラクションスコア（IS）と1kmあたりの違反件数。ベースラインはWOR、LA V v1/v2、InterFuser、TransFuser、TCP、Perception PlanT。Longest6ではTF++がDS 69±0、RC 94±2、IS 0.72±0.01であり、従来の最高性能（SOTA）だったLA V v2とPerception PlanT（いずれもDS 58）を11ポイント上回った。LAV検証タウンではTF++がDS 70±6（RC 99±0）で、TCP（DS 58±5）を上回った。アブレーションでは、GAPをトランスフォーマーデコーダに置換してRCが84から93、静的衝突が1.04から0.55、さらにオーグメンテーションで静的衝突が0.10まで低下した。データを185kから555kへ3倍にするとDSは54から60へ向上した。2段階訓練はバックボーンを凍結するとDSが10下がり、エンドツーエンド訓練の重要性が示された。
Longest6ベンチマークでの比較（論文 Table 6）
| 手法 | DS↑ | RC↑ | IS↑ | Veh↓ | Stat↓ |
|---|---|---|---|---|---|
| WOR [8] | 21 ± 3 | 48 ± 4 | 0.56 ± 0.03 | 1.05 | 0.37 |
| LA V v1 [9] | 33 ± 1 | 70 ± 3 | 0.51 ± 0.02 | 0.83 | 0.15 |
| InterFuser [35] | 47 ± 6 | 74 ± 1 | 0.63 ± 0.07 | 1.14 | 0.11 |
| TransFuser [12] | 47 ± 6 | 93 ± 1 | 0.50 ± 0.06 | 2.45 | 0.07 |
| TCP [41] | 48 ± 3 | 72 ± 3 | 0.65 ± 0.04 | 1.08 | 0.23 |
| LA V v2 [9] | 58 ± 1 | 83 ± 1 | 0.68 ± 0.02 | 0.69 | 0.15 |
| Perception PlanT [31] | 58 ± 5 | 88 ± 1 | 0.65 ± 0.06 | 0.97 | 0.11 |
| TF++（提案） | 69 ± 0 | 94 ± 2 | 0.72 ± 0.01 | 0.83 | 0.01 |
Longest6における運転スコア（DS）の比較
新規性
新規性は、既存研究に散在していた設計選択（トランスフォーマーデコーダ、経路と速度の分離、シフト・回転オーグメンテーション）を、CARLA上での性能に影響する「隠れたバイアス」として再解釈し、制御実験で個別に実証した点にある。個々の要素自体はInterFuserなどに存在したが、それらが重要であることを単独の効果として示し、簡素なシステムTF++として統合したことが新規であり、単なる組み合わせではない。
限界
著者が明示した限界として、(1) CARLA上の時速35km/h未満の市街地走行のみを扱い、高速走行固有の問題は対象外、(2) 車線内に静的障害物が無いため、それを迂回するシナリオを含まない、(3) 目標点への依存は正確な地図と位置推定を前提とし、CARLAでは高精度だが実環境では成立しない可能性がある、と述べている。さらに本論文から読み取れる制約として、評価がすべてシミュレーションであり、実車・実環境での検証がない。データセットはCARLAの自動ラベリングによるもので、標準化された共通データセットではないため、手法間の比較は同じ学習データで再学習した場合に限られる。発表されたモデルとCARLAリーダーボードの報告値に乖離があるという再現性の問題にも付録で触れており、結果を割り引いて読む必要がある。評価指標として使ったLongest6とLAVは、その後もCARLA研究で標準的に参照されるベンチマークである。
産業へのインパクト
本論文は、CARLAベンチマークでのエンドツーエンド手法の性能向上を、システム全体の変更ではなく個別設計の効果として分解するという分析手法を確立した。目標点追従ショートカットとウェイポイントの曖昧さという2つのバイアスを命名し、それらがスコア向上の実質的な源泉であることを示したことで、以後の研究はこれらの設計選択を明示的に報告することが標準になった。また、公開コードとリーダーボード報告値の乖離を指摘したことは、自動運転の模倣学習研究において再現性を重視する流れの土台となった。日本の自動車メーカー・サプライヤーにとっては、自動運転スタックの性能評価で運転スコアだけを追わず、入力条件・出力表現・データ収集手順が結果に与える影響を検証する必要があるという認識を裏付ける根拠となる。