arXiv cs.CVは2026年10月25日(現地時間)、一時的な交通規制下にある作業区域における自動運転車の経路予測精度を向上させる新たなフレームワーク「SAGE (Semantic-to-Action Grounded Execution)」に関する論文を公開した。このフレームワークは、視覚言語モデル（VLM）と幾何学的予測器を統合し、複数の経路候補の中から規制に適合した最適な選択を可能にする。既存の幾何学的予測器が直面していた、複雑な交通規制下での経路選択の課題解決を目指す。
SAGEは、read-decide-execute-checkという機能分離型のフレームワークとして構築されており、経路の生成、優先順位付け、そして規制への適合性確認を一貫した候補空間内で処理する。その中核は、視覚言語モデル（VLM）が生成する軌道情報を用いて、既存の幾何学的経路候補に優先順位を付ける点にある。
具体的には、役割が分離されたジェネレーターが多岐にわたる経路候補を生成した後、ランク融合のプロセスを通じて、各候補の幾何学的適合度とVLMが生成した軌道との一致度を統合する。さらに、SAGEは交通規制デバイス統一マニュアル（MUTCD）の規定に基づき、SAGE-VLMを訓練する。これにより、車両が通過する決定を下し、軌道を生成する前に、車線状態や潜在的な危険側面を正確に判断することが可能になる。予測された危険側面は、MUTCDの規定から導き出される画像空間述語に入力され、最終的な経路選択と介入の支援に活用される。
SAGEの有効性は、2,306のエピソードから構成される「ROADWork」検証データセットを用いた評価で明確に示された。評価結果によると、人間のデモンストレーションから10ピクセル以内の経路候補が87%のエピソードでSAGEによって提示された。これに対し、幾何学的順位付け器のエラーの53%は、誤った経路選択に起因することが判明した。
SAGEは、幾何学的順位付け器と比較して、平均変位誤差を8.3%削減し、最終変位誤差も12.0%低減した。一時的な交通規制に対するハード制約違反も37%削減している。また、SAGEは最先端のVLMモジュールと同等の予測精度を維持しつつ、より高速なVLM処理を実現した。性能面では、変位誤差および安全性に関する複数の指標において、他の4つの適応型運転VLMを上回る結果を示している。
参考: arXiv cs.CV (アーカイブ) — 2026年10月26日 13:00 (JST)
原文ハイライト"work-zone pathway prediction under temporary traffic control"