自動運転車の高精度経路生成をするGoalFlow

自動運転AIはさまざまな要素からなっています。今日はどのような経路を通って運転するかという経路生成を高精度で行う、GoalFlowを紹介します。

Zebin Xing, Xingyu Zhang, Yang Hu, Bo Jiang, Tong He, Qian Zhang, Xiaoxiao Long and Wei Yin, GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving, arXiv:2503.05689 [cs.CV]. https://github.com/YvanYin/GoalFlow

GoalFlow は名前が示しているように、Flow Matching を用いています。Flow Matchingは画像生成や音声合成にも使われる生成AI技術です。少し違うのですが、拡散モデルのようなものと捉えていただくとわかりやすいかも知れません。正確には、Flow Matching は拡散モデルではなく、正規化フローを連続化した、連続正規化フローを基にしたものです。ここでは詳細に触れません。GoalFlow は、その中でも RectifiedFlow という代表的な手法を用いています。

上の図は、拡散モデルベースの手法とGoalFlowの比較です。図上側が拡散モデル、下側がGoalFlowでの経路生成です。GoalFlowは経路が目的地によってはっきりわかれており、より精度が高いことがわかります。

上図はGoalFlowのアーキテクチャです。GoalFlowは３つのモジュールからなっています。

1. Perception Module: 画像とLiDARの特徴抽出をするモジュール
2. Goal Construction Module: Goal（数秒後の目的地）を生成するモジュール
3. Trajectory Planning Module: 経路を生成するモジュール

GoalFlowが特長的なのは、経路生成を目的地の生成と経路生成の２つに分けていることです。明示的に目的地（Goal）の生成をするため、　GoalFlowというわけです。

上の図は他の手法との評価結果の比較です。詳細は省きますが、GoalFlowが他の手法を上回っていることがわかります。

今回は、自動運転の経路生成をするGoalFlowについて紹介しました。Flow Matching と Goal生成などの工夫により他の手法を超える精度を示しています。