ユーザーは走行速度を指定できるか？Bench2Drive-Speed：望ましい速度条件付き自動運転のためのベンチマークとベースライン

要旨: エンドツーエンド自動運転（E2E-AD）は目覚ましい進展を遂げている。しかし、長い間見過ごされてきた、実用的かつ有用な機能がある。すなわち、ユーザは方策（ポリシー）の所望速度をカスタマイズしたい、または自律走行車に追い越しを許可するかどうかを指定したい場合がある、という点だ。このギャップを埋めるために、我々は Bench2Drive-Speed を提案する。これは、所望速度に条件付けされた自動運転のための、メトリクス、データセット、そしてベースラインを備えたベンチマークである。ユーザの所望目標速度および追い越し／走行追従の指示を、運転方策モデルへの明示的な入力として導入する。我々は、Speed-Adherence Score と Overtake Score を含む定量的な指標を設計し、標準的な自動運転メトリクスとも両立しつつ、方策がユーザの指定にどれほど忠実に従うかを測定する。速度条件付け方策の学習を可能にするための一つのアプローチは、速度要件を厳密に満たす専門家によるデモンストレーションを収集することであるが、これは費用が高く、現実世界ではスケールしにくいプロセスである。別の方法として、将来フレームで観測された速度を学習時の目標速度として扱うことで、既存の通常走行データを適応させることが挙げられる。これを検証するために、我々は CustomizedSpeedDataset を構築する。これは、専門家デモンストレーションで注釈付けされた 2,100 本のクリップから成り、監督戦略を体系的に調査できるようにしている。我々の実験は、適切な再注釈を行うことで、通常走行データで学習したモデルが専門家デモンストレーション上で学習したものと同等の性能を示すことを明らかにし、速度の監督を追加の複雑な現実世界でのデータ収集なしに導入できる可能性を示唆している。さらに、目標速度の追従は通常走行の性能を低下させることなく達成できる一方で、追い越しコマンドの実行は、インタラクティブな挙動の本質的な難しさのために依然として困難であることを見出した。すべてのコード、データセット、ベースラインは https://github.com/Thinklab-SJTU/Bench2Drive-Speed で入手可能である