自動運転計画のための帰納的・演繹的推論を統合するニューロー・シンボリックフレームワーク
arXiv cs.CV / 2026/3/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 著者らは、安全で追跡可能な運転判断のために、帰納的なニューラル推論と、大規模言語モデル（LLM）によって抽出された演繹的なシーン規則、およびASPソルバーによる決定論的仲裁を結合したニューロー・シンボリック軌道計画フレームワークを提案する。
- 意思決定条件付きデコーディング機構が、高レベルの象徴的決定を学習可能な埋め込みへ変換すると同時に、計画クエリとKBMの初期速度を制約し、離散的な記号と連続的な軌道を橋渡しする。
- 本手法は、KBMが生成する物理的ベースラインとニューラル残差補正を統合して、運動学的実現可能性を維持し、解釈性を向上させる。
- nuScenesベンチマークにおいて、本手法は最先端のMomADを上回り、0.57 mのL2誤差、0.075%の衝突率、0.47 mの軌道予測の一貫性を達成した。
