[論文レビュー] Causal Imitative Model for Autonomous Driving

Mohammad Reza Samsami, Mohammadhossein Bahari+2 more|arXiv (Cornell University)|Dec 7, 2021

Domain Adaptation and Few-Shot Learning被引用数 10

ひとこと要約

本稿では、自己回帰的要因を解体された潜在表現からGranger因果性を用いて明示的に特定する、自律走行を目的とした新しい模倣学習フレームワーク、因果的模倣モデル（CIM）を提案する。因果変数のみを選択することで、入力をわずか2つに削減し、インertial（慣性）と衝突率をそれぞれ75%以上、30%以上大幅に低減するとともに、新しい環境への効果的な少サンプル適応を可能にする。

ABSTRACT

Imitation learning is a powerful approach for learning autonomous driving policy by leveraging data from expert driver demonstrations. However, driving policies trained via imitation learning that neglect the causal structure of expert demonstrations yield two undesirable behaviors: inertia and collision. In this paper, we propose Causal Imitative Model (CIM) to address inertia and collision problems. CIM explicitly discovers the causal model and utilizes it to train the policy. Specifically, CIM disentangles the input to a set of latent variables, selects the causal variables, and determines the next position by leveraging the selected variables. Our experiments show that our method outperforms previous work in terms of inertia and collision rates. Moreover, thanks to exploiting the causal structure, CIM shrinks the input dimension to only two, hence, can adapt to new environments in a few-shot setting. Code is available at https://github.com/vita-epfl/CIM.

研究の動機と目的

• 模倣学習に基づく自律走行ポリシーにおけるインエクティビティ（慣性）と衝突問題に寄与する、真の因果関係ではなく誤った相関関係を学習することに起因する問題を解決すること。
• 専門家の行動データから因果的要因を明示的に同定できる、計算的に実行可能な因果モデルを開発し、誤った相関関係に依存しないようにすること。
• 因果的に関連する潜在変数の最小限の集合を活用することで、ポリシーの一般化性能と少サンプル適応性を向上させること。
• 因果構造の同定が、より強固で解釈可能かつ効率的な走行ポリシーをもたらすことを示すこと。
• 解体と因果的選択の有効性を検証し、ポリシー性能と適応性の向上に寄与する要因を明らかにすること。

提案手法

• 変分オートエンコーダーに基づく認識モデルを用いて、元の入力（例：カメラ観測）を128個の解体された潜在変数に分解する。
• Granger因果性を適用し、次の行動（特に速度予測）に因果的に影響を与える潜在変数を同定し、余計な変数をフィルタリングする。
• 選択された因果的潜在変数のみを入力として使用する軽量なポリシーを訓練することで、入力次元をわずか2つにまで削減する。
• 2段階の訓練プロセスを採用：まず解体、次に因果構造学習とポリシー訓練。
• 新しい環境に100件のサンプルのみでファインチューニング可能な少サンプルドメイン適応を実現する。
• CARLAシミュレータを用いて、複数の都市（複雑性の異なるもの）を対象に評価とアブレーションスタディを実施する。

実験結果

リサーチクエスチョン

• RQ1 潜在表現からの因果構造の同定は、自律走行の模倣学習におけるインエクティビティと衝突を低減できるか？
• RQ2 因果的潜在変数のみを選択することで、すべての潜在変数を使用する場合と比較して、より強固で一般化可能なポリシーが得られるか？
• RQ3 因果モデルは、新しい環境への少サンプル適応をどの程度可能にするか？
• RQ4 解体と因果的選択は、それぞれ性能向上にどの程度寄与しているか？
• RQ5 モデルは、原始的な視覚観測から意味的で解釈可能な因果的要因を同定できるか？

主な発見

• CIMは、最先端のベースラインと比較して、インエクティビティ率を75%以上削減し、停止時の反応性が著しく向上した。
• CIMは衝突率を30%以上低減し、動的交通状況下での安全性が向上したことを示した。
• わずか2つの因果的潜在変数でのみ高い性能を達成しており、効果的な因果的抽象化と最小限の入力次元の削減を示している。
• 少サンプルドメイン適応において、CIMはすべての128個の潜在変数を使用するCIM-MLPを上回り、適応に必要なサンプル数も少ない。
• アブレーションスタディの結果、解体は不可欠であることが確認された—CIM-entangledは、ベースラインのDIMでさえも劣っており、解体された表現の必要性が明確になった。
• 因果構造学習部が、複雑な都市（例：Town03）においても効果的な一般化を可能にしていることが、優れた性能で裏付けられた。