SparseDriveV2: スコアリングだけで十分—エンドツーエンド自動運転

arXiv cs.CV / 2026/4/1

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、エンドツーエンド自動運転は主に軌道スコアリングをスケールすることで改善できると主張し、動的な提案生成が本質的に必要かどうかを問い直している。
Hydra-MDP による体系的なスケーリング研究により、計画性能はより密な軌道アンカーに対して向上し、計算資源の制約に達する前に早期に飽和しないことが示されている。
SparseDriveV2 は、スコアリングに基づく計画に対する主なアップグレードとして2点を提案する：幾何学的な経路＋速度プロファイルからなる、因子分解され組合せ的にスケール可能な軌道ボキャブラリと、2段階のスコアリング戦略（まず粗い因子分解スコアリングを行い、その後少数の合成集合に対して細かなスコアリングを実施する）。
軽量な ResNet-34 バックボーンを用いて、SparseDriveV2 は NAVSIM（92.0 PDMS / 90.1 EPDMS）および Bench2Drive（89.15 Driving Score / 70.00 Success Rate）で強いベンチマーク結果を報告している。
著者らは再現性とさらなる研究を支援するために、GitHub でコードとモデルを公開している。