すべてのエージェントが重要なわけではない：グローバルな注意の希釈からリスク優先のゲーム計画へ

Abstract

エンドツーエンドの自動運転は、知覚と計画の統合にあるのではなく、統一された表現空間内における動的なマルチエージェントゲームに宿る。既存の多くのエンドツーエンドモデルはすべてのエージェントを等しく扱うため、複雑な背景から実際の衝突の脅威を切り離すことが難しくなる。そこでこの問題に対処するため、我々は「リスク優先ゲーム計画」という概念を導入し、エンドツーエンド自動運転をリスクを考慮したゲーム問題としてモデル化する新しい枠組みであるGameADを提案する。GameADは、リスクに配慮したトポロジーアンカーリング、戦略的ペイロードアダプタ、ミニマックス・リスク認識スパース注意、そしてリスク整合的な均衡安定化を統合することで、リスクが優先される相互作用によりゲーム理論的な意思決定を可能にする。さらに、安全な自動運転のために、長いホライゾンにわたる計画軌道の累積リスク強度を定量化する「計画リスク曝露（Planning Risk Exposure）」指標も提示する。nuScenesおよびBench2Driveデータセットでの大規模な実験により、我々の手法は最先端手法を大幅に上回ることが示される。特に軌道の安全性に関して顕著である。