DiffusionDrive: エンドツーエンド自動運転のための切断拡散モデル
1分まとめ
拡散モデルをエンドツーエンド自動運転の計画モジュールに導入し、クラスタリングしたアンカーを起点とする切断拡散ポリシーにより、サンプリング品質を保ったままデノイジングステップを20から2へ削減した。NAVSIMでPDMS 88.1を達成し、NVIDIA 4090上で45FPSのリアルタイム推論を実現した。
- 拡散モデルをエンドツーエンド自動運転の計画に適用し、事前アンカーを起点とする切断拡散ポリシーを提案した。
- デノイジングステップを20から2へ削減し、NAVSIMでPDMS 88.1（Transfuser比+4.1）を達成した。実測45FPS。
- モード多様性スコアDは74%で、単一軌道回帰では生成できない複数の妥当な行動を出力できる。
- 評価は非反応型シミュレーションが中心で、実車やリアクティブな交通環境での検証はない。
- 計画モジュールはTransfuserの認識モジュールに依存しており、認識性能が計画の上限を決める。
課題
既存のエンドツーエンドプランナーは単一軌道回帰が主流で、行動の多様性を捉えられない。VADv2は固定語彙のアンカーに依存し、アンカーの数と質に制約される。ロボティクスで成功した拡散ポリシーを直接適用すると、20ステップのデノイジングが必要でリアルタイム性がなく、異なるノイズからサンプリングした軌道が同じような軌道に収束するモード崩壊が起こる。
提案手法
訓練時、K-Meansでクラスタリングした20個のアンカー軌道を用意し、拡散スケジュールを1000ステップ中の50ステップに切断してアンカーに小さなガウスノイズを加える（式4）。拡散デコーダはBEV特徴との空間クロスアテンション、エージェント/マップクエリとのクロスアテンション、カスケード機構を備える。損失は再構成損失とBCE分類損失の重み付き和。推論時はアンカー付きガウス分布からサンプリングし、DDIMの更新則で2ステップだけデノイズする。サンプル数Ninferは任意に変更できる。
評価と結果
NAVSIM navtestで、ResNet-34バックボーン、カメラ+LiDAR入力でPDMS 88.1を達成。比較対象のTransfuser（84.0）より4.1ポイント高い。VADv2（80.9）より7.2ポイント高く、アンカー数を8192から20へ削減。Hydra-MDP-V8192-W-EP（86.5）より1.6ポイント高い。実行速度はNVIDIA 4090で45FPS。nuScenesではResNet-50バックボーンで平均L2誤差0.57m、平均衝突率0.08%を記録し、SparseDriveの0.61m/0.08%を上回る。評価はNAVSIMの閉ループ指標（非反応型シミュレーション）、nuScenesはオープンループ指標。
NAVSIM navtest splitにおける閉ループ指標の比較
| 手法 | 入力 | バックボーン | アンカー数 | PDMS |
|---|---|---|---|---|
| Transfuser | C&L | ResNet-34 | 0 | 84.0 |
| VADv2 | C&L | ResNet-34 | 8192 | 80.9 |
| Hydra-MDP | C&L | ResNet-34 | 8192 | 83.0 |
| Hydra-MDP-W-EP | C&L | ResNet-34 | 8192 | 86.5 |
| DiffusionDrive | C&L | ResNet-34 | 20 | 88.1 |
デノイジングステップ数とPDMSの関係
モード多様性スコアDの比較
新規性
拡散モデルをエンドツーエンド自動運転の計画に初めて適用し、クラスタリングしたアンカー軌道を事前分布として組み込む切断拡散ポリシーを提案した点が新規。
限界
著者による明示的な限界の記述なし。評価はNAVSIMの非反応型シミュレーションとnuScenesのオープンループ評価に限られ、実車や反応する周辺車両を考慮した検証は含まれない。また、計画モジュールはTransfuserやSparseDriveの認識モジュールに依存しており、認識誤差がそのまま計画性能の上限を決める。さらに、NAVSIMとnuScenesの2データセットのみでの評価であり、多様な環境や気象条件への一般化は未検証である。計算時間はNVIDIA 4090の単一GPUで計測されており、車載GPUでの性能は別途検証が必要。
産業へのインパクト
この論文は、拡散モデルをエンドツーエンド自動運転の計画に適用した初期の代表例であり、従来の単一軌道回帰や固定語彙サンプリングとは異なる生成的な意思決定の可能性を示した。特に、運転行動の事前分布をアンカーとして明示的に埋め込む「切断拡散ポリシー」は、その後の拡散モデルを利用した自動運転計画研究の土台となり、現在では多くの生成ベースのプランナーが同様のアイデアを採用するに至っている。NAVSIMは現在もベンチマークとして使われており、この論文が示したPDMS 88.1は、当時の学習ベース手法の基準となった。