エンドツーエンド自動運転

概要

エンドツーエンド自動運転は、カメラやLiDARなどの生のセンサ入力から、車両の走行軌道や制御量を直接生成するアルゴリズム構成を指す。物体検出、追跡、動作予測、経路計画といったタスクを個別のモジュールに分割し、それぞれを独立に最適化してきた従来のモジュール型パイプラインと対比される設計思想である。

技術的な要点

最大の利点は、知覚と計画に関わる特徴表現を結合して最適化できる点にある。モジュール型では、上流の認識モジュールが最適化する指標（検出精度など）が必ずしも最終的な走行性能と一致せず、モジュール間で情報が失われる。エンドツーエンド方式は最終的な計画性能を目的関数として全体を学習させることでこの不整合を避ける。一方で、サーベイ論文はマルチモダリティの統合、解釈可能性、因果混同（causal confusion）、分布外入力に対するロバスト性、世界モデルの活用などを主要な課題として挙げている。特に因果混同は、学習データ中の相関を因果と誤って学習してしまう問題であり、模倣学習ベースの手法で顕在化しやすい。

産業での位置づけ

大量の走行データと計算資源を前提とする手法であり、シミュレーション基盤とデータ基盤への投資が性能を左右する。安全性の説明責任が求められる商用展開では、解釈可能性の確保と運行設計領域の明示が実装上の要件となる。