Hydra-NeXt：オープンループ学習によるロバストなクローズドループドライビング

エンドツーエンド自律走行の研究は、現在、オープンループ学習とクローズドループ実行の間にあるギャップを埋めるという重要な課題に直面している。従来のアプローチは、オープンループ環境において軌道を予測するように学習されるが、これはクローズドループ環境における他のエージェントへの迅速な反応が困難であり、オープンループ学習とクローズドループ走行の間に生じる乖離により、運動学的に不適切な計画を生成するリスクを抱えている。本論文では、軌道予測、制御予測、および軌道精 refinement ネットワークを一つのモデルに統合する新しいマルチブランチ計画フレームワーク「Hydra-NeXt」を提案する。現在のオープンループ軌道予測モデルが一般的な計画にのみ対応するのに対し、Hydra-NeXtは短時間の行動に焦点を当てる制御デコーダーを導入することで、動的な状況や反応型エージェントに対してより迅速な応答を可能にする。さらに、クローズドループ環境における運動学的制約を効果的に遵守することで、計画決定を補強・精 refinement する「軌道精 refinement モジュール」を提案する。この統合的なアプローチにより、オープンループ学習とクローズドループ走行のギャップが克服され、外部の専門家によるデータ収集に依存せずに、Bench2Driveデータセット上で65.89のドライビングスコア（DS）および48.20％の成功率（SR）を達成した。Hydra-NeXtは従来の最先端技術を22.98 DSおよび17.49 SRの向上で上回り、自律走行分野における顕著な進展を示している。コードは https://github.com/woxihuanjiangguo/Hydra-NeXt にて公開される予定である。