ドライブ前に二度考える：エンドツーエンドの自律走行向けスケーラブルデコーダの開発

近年、エンドツーエンドの自動運転は著しい進歩を遂げています。既存の手法では通常、分離されたエンコーダー-デコーダーパラダイムが採用されています。このパラダイムでは、エンコーダーが生のセンサデータから潜在的な特徴を抽出し、デコーダーが自己車両の将来の軌道や行動を出力します。このようなパラダイムのもとで、エンコーダーは自己エージェントの意図した挙動にアクセスすることができず、大規模な受容野から安全上重要な領域を見つけ出し、将来の状況を推論する負担がデコーダーに委ねられます。さらに悪く的是、デコーダーは一般的に単純な多層パーセプトロン（MLP）やGRUで構成され、一方でエンコーダーは精巧に設計されています（例えば、重いResNetやTransformerの組み合わせ）。このような非対称的なリソース-タスク分配は学習プロセスを阻害します。本研究では、上記の問題を以下の2つの原則に基づいて緩和することを目指しています：(1) エンコーダーの能力を十分に活用する；(2) デコーダーの能力を向上させる。具体的には、まずエンコーダーフィーチャーに基づいて粗粒度の将来位置と行動を予測します。次に、その位置と行動に基づいて将来シーンを想定し、それに基づいて走行した場合の影響を確認します。また、予測された座標周辺のエンコーダーフィーチャーを取り出して安全上重要な領域に関する詳細情報を取得します。最後に、予測された未来と取り出された注目すべき特徴に基づいて、粗粒度の位置と行動から真値へのオフセットを予測することでそれらを洗練します。上述のような洗練モジュールは連続的にスタックすることができ、これにより条件付き未来について空間的・時間的な先験知識を持つことでデコーダーの能力が拡張されます。CARLAシミュレータ上で実験を行い、クローズドループベンチマークにおいて最先端の性能を達成しました。広範なアブレーションスタディにより各提案モジュールの有効性が示されています。