HAD：階層型拡散とメトリック非結合型強化学習を統合したエンドツーエンド運転

要旨: エンドツーエンドの計画は、自動運転における支配的なパラダイムとして登場しており、最近のモデルの多くは、大量の候補から軌跡を選択するためにスコアリング・セレクションの枠組みを採用しているほか、拡散ベースのデコーディングが有望であることが示されています。とはいえ、候補空間全体から直接選択することは最適化が難しく、拡散で用いられるガウス摂動はしばしば非現実的な軌跡を導入し、ノイズ除去（デノイジング）過程を複雑にします。さらに、これらのモデルの学習では強化学習（RL）が有望であることが示されていますが、既存のエンドツーエンドRL手法は通常、構造化された信号のない単一の結合報酬に依存しているため、最適化の有効性が制限されています。これらの課題に対処するため、HAD（Hierarchical Diffusion Policy を用いたエンドツーエンド計画フレームワーク）を提案します。HAD は計画を粗い段階から精密な段階へと進める階層的なプロセスに分解します。軌跡生成を改善するために、運動学的構造を維持しつつ、現実的な候補を生成する Structure-Preserved Trajectory Expansion を導入します。ポリシー学習のためには、複数の運転目的にまたがって構造化されたRL最適化を可能にする Metric-Decoupled Policy Optimization（MDPO）を開発します。大規模な実験の結果、HAD は NAVSIM と HUGSIM の両方で新たな最先端の性能を達成し、従来手法を大幅に上回ります: NAVSIM で +2.3 EPDMS、HUGSIM で +4.9 ルート完了です。