現実的かつ制御可能な視覚交通シナリオ生成のためのエンドツーエンド条件付き拡散モデル
1分まとめ
E2E-CDiffは、フロントビュー画像を条件として、CBVの将来状態と低レベル制御信号を単一の拡散モデルで同時に生成する。衝突回避・速度制限・走行可能領域順守の微分可能なガイダンスにより、自然運転から安全臨界シナリオまで制御可能と報告している。
- 前方カメラ画像を条件に、CBVの将来状態（位置・速度）と低レベル制御（スロットル・ステア・ブレーキ）を単一の拡散モデルで同時生成するE2E-CDiffを提案した。
- PDM-Liteエゴプランナー下で、E2E-CDiffの2D-TTCは2.79±1.33、ORRは1.26±1.47であり、PPO・Plutoより制御性と現実性のバランスが良いと報告している。
- 衝突誘導付き変種はPDM-Liteに対するCPKを5.68から20.77へ増加させ、複数のエゴADシステムで衝突傾向の高いシナリオを生成できる。
- エゴプランナーとしてもDS 79.96±1.63を達成して学習ベース手法と同等だが、推論レイテンシ856.66msと最も遅く、実時間展開は現状では困難。
- 評価はBench2Driveの10ルートのみで、CARLAシミュレーション内の閉ループ評価に限られる。実データでの統計的現実性検証は行われていない。
課題
既存の学習ベースのシナリオ生成手法は、制御性と現実性のトレードオフを解消できていない。軌跡生成とPID制御を分離した二段階パイプラインは、計画と制御の不一致（planning-control mismatch）を生じ、閉ループ実行で物理的に不自然な挙動や応答遅れを起こす。また、シナリオの制御が粗く、速度・走行領域・衝突挙動をユーザー要件に応じて細かく調整できない。
提案手法
E2E-CDiffは、選択されたCritical Background Vehicle (CBV)の将来Tステップの状態系列τ_s（位置・速度の4次元）と行動系列τ_a（スロットル・ステア・ブレーキの3次元）を連結した7次元の状態行動軌跡を、拡散モデルで直接生成する。コンテキストcは車両中心フロントビュー画像で、ResNet-34で特徴抽出し、U-Netベースのデノイザーの各残差ブロックに注入する。拡散ステップ数K=100、クリーン軌跡予測パラメータ化を採用し、行動ヘッドと状態ヘッドを分離して、状態ヘッドは行動予測をdetachして入力する。ガイダンスとしては、速度制約J_speed、走行可能領域制約J_area、衝突回避/衝突誘導J_collを重み付きで組み合わせ、各逆拡散ステップで勾配を平均シフトに加える。自然運転シナリオと安全臨界シナリオを、重みの切り替えで生成する。
評価と結果
Bench2Drive（CARLA 0.9.15、訓練220ルート、評価10ルート）で評価。PDM-Liteエゴプランナー下で、E2E-CDiffは2D-TTC 2.79±1.33、ORR 1.26±1.47、S-SW 0.97±0.01、A-SW 0.88±0.09、S-WD 4.80±1.38を達成。PPO（2D-TTC 2.41±1.52、ORR 8.82±8.83、S-SW 0.80±0.01）、Pluto（同2.56±1.55、3.02±3.09、0.84±0.08）より良いと報告。RIFT（同2.70±1.34、0.83±0.33、0.97±0.00）とは互角。PlanTエゴプランナー下では2D-TTC 2.92±1.53、ORR 5.96±2.47、S-SW 0.97±0.03、A-SW 0.94±0.02、S-WD 3.83±0.73。衝突誘導付き（E2E-CDiff w/ coll）はPDM-LiteでCPKが5.68から20.77に増加。安全臨界評価（Table III）ではE2E-CDiffがPDM-LiteエゴでDS 96.49±0.10、RC 96.49±0.10。アブレーションでエンドツーエンド制御が二段階トラジェクトリ+PIDより高いDS/RC、2D-TTC、低いORR（Table IV）。ガイダンス全除去でORR 7.31±3.18まで悪化（Table V）。
PDM-Liteエゴプランナー下での制御性・現実性比較（Table I）
| 手法 | 2D-TTC↑ | ORR↓ | S-SW↑ | A-SW↑ | S-WD↓ |
|---|---|---|---|---|---|
| PPO | 2.41±1.52 | 8.82±8.83 | 0.80±0.01 | 0.65±0.02 | 6.48±0.10 |
| Pluto | 2.56±1.55 | 3.02±3.09 | 0.84±0.08 | 0.83±0.12 | 6.13±0.59 |
| RIFT | 2.70±1.34 | 0.83±0.33 | 0.97±0.00 | 0.94±0.03 | 4.26±0.12 |
| E2E-CDiff | 2.79±1.33 | 1.26±1.47 | 0.97±0.01 | 0.88±0.09 | 4.80±1.38 |
ガイダンス有無による走行可能領域外率（ORR）の変化
新規性
既存の拡散モデルによる軌跡生成と条件付きガイダンスの組み合わせに、低レベル制御信号の同時生成を加えた点が新規性。ただし、拡散モデルによる状態行動生成自体は既存研究の応用であり、構成要素の新規組み合わせに近い。
限界
評価がBench2Driveの10ルートのみで、データセットが単一。CARLAシミュレーション内の閉ループ評価であり、実交通データとの分布比較（TrajDataのような）は行われていない。現実性指標が速度・加速度の正規性（Shapiro-Wilk検定）と速度分布のWasserstein距離に限られており、衝突回避や交通ルール順守の統計的現実性は未検証。推論レイテンシ856.66msはエゴプランナーとしては最も遅く、実時間展開は現状では困難。著者らはこの点を limitation として明記している。ベースラインのPPO、Pluto、RIFTは事前学習済みチェックポイントをそのまま使用し、E2E-CDiffは同じデータで訓練しているため、比較の公平性に注意が必要。著者による明示的な limitation 記述は少なく、論文内で「latency remains a limitation」と述べるに留まる。
産業へのインパクト
日本の自動車メーカー・サプライヤーにとって、シミュレーションでのAD評価シナリオ生成は重要である。E2E-CDiffは、軌跡と制御信号を同時に生成することで閉ループ実行の不一致を減らし、衝突誘導ガイダンスで安全臨界シナリオを生成できる点が実用的価値を持つ。ただし、推論コストが高く、現状ではオフラインでのシナリオ生成用途に限定される。実車適用には蒸留や高速サンプリング手法との組み合わせが必要で、直接の実装影響は限定的。