代理指標では、もう守れない — 自動運転 2026年8月新着8本を束ねて読む

2026年8月下旬の自動運転系arXiv新着8本を横断して読む。安全を期待値で測るのをやめる動き、自車の履歴の外側に観測経路を足す動き、そして無理に束ねられない独立した2本を、関係が見える形で整理する。

この期間に何が起きたか

2026年8月25日から27日にかけて、自動運転まわりのarXiv新着として8本が並びました。タイトルだけを眺めると、バンディット理論、点群位置合わせ、軌道の安全証明、意図のゲーティング、材料実験の最適化、空港の地上走行予測、ドローン監視、LiDARの走査計画と、見事にばらばらです。実際、投稿先のカテゴリもcs.LG、cs.CV、eess.SY、cs.RO、cond-mat.mtrl-sciと散っています。

それでも、8本のうち6本には共通する動作があります。どれも「これまで代理指標（プロキシ）で済ませていた量を、実物で測り直す」という形をしているのです。期待コストの代わりに実現コストを、計画時のマージンの代わりに実際の車体クリアランスを、過去の追跡履歴の代わりに現在のカメラ検出を、自車のログの代わりに上空から見た実交通を。個々の論文は互いを引用していませんし、著者も別々です。それでも同じ方向に足が向いている——というのが、この期間のいちばん大きな絵だと思います。

残る2本は、正直に言って、この線には乗りません。後半で「独立した動き」として分けて扱います。

束1: 安全を「平均」で測るのをやめる

いちばん厚いのがこの塊です。3本が、まったく違う数学の道具で、同じ不満を表明しています。

期待コストが低いことは、安全であることではない

Safety by Design: Realized-Cost Constraints for Contextual Bandits with Continuous Actions（Dragazis & Pacchiano）は、連続行動の文脈付きバンディットを扱います。安全制約付きバンディットの標準的な定式化は、各行動に報酬とコストを紐づけ、コストの期待値が閾値を下回るよう要求するものでした。この論文は、それがヘテロスケダスティックな設定——選んだ行動が期待値だけでなく結果のばらつきそのものを変える設定——では不十分だと主張します。投薬量の選択や自動運転のように、たった一度の危険な判断が致命的になる場面では、平均が安全でも裾が危なければ意味がない、という指摘です。

提案手法はHigh-Probability Constrained UCBで、報酬については楽観的に探索しつつ、安全行動集合については保守的に見積もる楽観・悲観の組み合わせ。線形の報酬・コストモデルに対して $\tilde{\mathcal{O}}(d\sqrt{T})$ のリグレット上界を証明し、eluder次元を使って一般の関数クラスへ拡張したとしています。実験では、実現コストに対する安全制約を課したほうが、期待コスト制約のベースラインより違反が大幅に減ったと報告しています。バンディットの探索・活用の考え方そのものについてはベイズ的な考え方が下敷きになります。

「計画時に余裕があった」ことは、証明ではない

Barrier Function Conformal Safety Clearance Certification with CVaR for Driving Trajectory Selection（Chang & Ahmed）は、同じ不満をプランナ側から言い直します。自動運転のモーションプランナは候補軌道を生成して周囲エージェントとの相互作用を織り込みながら選びますが、その評価は選ばれた軌道の実際の安全クリアランスを保証していない、というのが出発点です。

やっていることは大きく2つ。ひとつは、微分可能な分離軸バリアマージンを使って、厳密な有向バウンディングボックス（OBB）クリアランスを決定論的に下から抑えること。もうひとつは、選択後にconformal校正をかけて、予測誤差やサンプリング誤差を吸収すること。conformal校正は予測器が正しいかどうかとは独立に統計的妥当性を与えるので、「予測モデルを信じる」ステップを踏まずに済みます。

数字が面白いのはここからです。計画時のマージン評価に、名目予測ではなく下側裾のCVaR（Conditional Value-at-Risk）をサンプリングして使うと、目標ミスカバレッジ10%の設定で、conformal補正が1.43mから0.03mへ縮んだと報告しています。300セッションのnuPlan研究で、非負の安全クリアランス証明書が得られた割合は68.7%から87.3%へ上昇。厳密クリアランスのカバレッジは、評価したすべての統計量で目標90%を上回る93.3〜96.7%だったとしています。

補正が1.43mから0.03mに縮んだ、という数字の読み方が重要です。conformal補正は「計画時のマージンと現実のズレを、後から統計的に埋め合わせるための下駄」です。それが3cmで済むということは、裾をきちんと見た時点で、計画時のマージンがほぼそのまま現実のマージンとして通用していたということになります。束1の1本目が「期待値では足りない」と抽象的に述べたことを、こちらは自動運転のプランナ上で具体的な距離として示している格好です。

「危ないかもしれない」を、衝突ではなく棄権として扱う

Gating Before Commitment（Xu & Sankar）は、同じ問題に時間軸を足します。車両間のやりとりで意図の読み違いが起きると、計画の失敗が繰り返し発生する。そこで、言語ガイド付きの意図モジュールが構造化記述子を読み、平滑化した意図・幾何のダイバージェンススコアを計算し、コミットする前にその操作をゲートする、という決定層を置きます。

報告されている数字は、ドリフト開始から72ミリ秒後、しかしコリドー逸脱の161ミリ秒前にゲートが発動した、というもの。全試行で安全な軌道を維持したと主張しています。設計上より示唆的なのは、不確実性を「衝突」ではなく「棄権（abstention）」として扱う形に作り直したところで、これにより誤発火が5.9分間に9回から毎分0.341回へ減ったとしています。

3本並べると、束の性格がはっきりします。前2本が「安全余裕をどう測るか」の話なのに対し、こちらは「測れないときに動くのをやめる」の話です。測り方を厳しくする方向と、測れないことを認めて止まる方向。同じ不信——平均や名目値を信じて前に進むのは危ない——の、表と裏です。

束2: 自車の履歴の外側に、別の観測経路を引く

2本目の塊は、一見まったく別の問題を扱っているのに、構造が同じです。

CARE: Camera-Residual Reserves for First Sightings in Adaptive LiDAR Sensing（Gong他）は、適応的LiDAR走査の話です。限られた走査予算を、過去の物体トラックから予測した関心領域に集中させれば、データ量を減らしても検出精度を保てる——これが既存の方針でした。この論文は、その方針に3つの穴があると指摘します。第一に、履歴駆動である以上、まだ見たことのない物体は遅れて検出されるか、見逃される。第二に、予測領域の外側をランダムや一様にサンプルしても、新しい物体がどこに現れるかについての知識がない。第三に、カメラ検出をすべて追いかける方式は、すでにカバー済みの物体を再サンプルして予算を無駄にする。

CAREの答えは、固定レイ予算の一部を、現在のカメラ検出のうちトラック予測では説明がつかない方向のために取り置く、という学習不要の配分則です。残りは従来の履歴方針に従い、使われなかった取り置き分はランダムなフロアに戻る。nuScenesの150シーン・4,148イベントでのリーク防止評価で、予算10%・20%・35%それぞれにおいてfirst-sighting recallを履歴方針より5.2、5.2、4.3ポイント引き上げたとしています。あわせて、遠ざかる物体や静止トラックから予算を解放する「忘却」モジュールも提案していますが、こちらには速度依存のガード距離が付いていて、ガードなしの忘却は厳しい予算下で近傍のrecallを大きく損なう、と報告しています。閉ループシミュレーションでは、遮蔽された歩行者を履歴駆動方式より早く検出し、より確実にブレーキをかけたとのこと。カメラとLiDARの役割分担そのものは自動運転の認識スタックを1からで扱っています。

SkyDrive: Learning to Drive in a New City from Aerial Traffic Monitoring（Xiong他）は、レイヤーがまったく違います。模倣学習で訓練したプランナを新しい都市にゼロショットで持ち込むと、交通規則・道路レイアウト・運転挙動のドメインシフトで性能が大きく落ちる。だから新都市への適応には、センサを積んだ車両で現地データを取る、という資源のかかる工程が要る——ここまでが前提です。

SkyDriveの提案は、ドローンによる交通監視を教師信号の供給源にすることです。車載データ収集が自車とその周囲を記録するのに対し、上空のプラットフォームは広い視野で多数の道路利用者を同時に観測する。結果として、視野に入るすべての車両が接地した運転挙動のデータ源になる。137時間の空撮映像から65万件の運転サンプルを抽出し、軌道プランナと動き予測器のベンチマークを構築したとしています。ゼロショット実験は都市間のドメインギャップが大きいことを示す一方、その多くは空からの限られた教師——たとえば1地点あたり30分の監視——で緩和できたと報告しています。

この2本を並べる理由は、答えの形が同じだからです。どちらも「自車視点の履歴に依存する系は、初めて出会うものに弱い」という診断から出発し、どちらも「別のモダリティ／別の視点からの観測経路を、保険として足す」という処方に着地しています。CAREはカメラを、SkyDriveは空を借りてくる。しかも両方とも、足した経路を無制限には使いません。CAREは「トラック予測で説明できない分だけ」に取り置きを絞り、SkyDriveは「1地点30分」で足りるとしている。冗長性を全面展開せず、既存の系が構造的に見落とす部分にだけ当てる——この慎み深さが、両者に共通する設計上の判断です。

束をまたぐ1本: 学習した対応づけに、幾何を戻す

DPA-I2P: Depth-Guided Projective Alignment for Image-to-Point-Cloud Registration in Autonomous Driving（Zhang他）は、画像を3Dシーン点群の中に位置づけてカメラ姿勢を推定する、Image-to-Point Cloud Registrationの論文です。自動運転と大規模屋外測位の基礎タスクにあたります。

提案は3つの部品からなると説明されています。幾何を意識した深度利用のためのRay-Conditioned Metric Depth Encoding、視覚特徴を統合するProjection-Consistent Vision Lifting、そしてマッチングの信頼性を高めるCross-Modal Query Pruning。KITTIで既存手法に対し相対並進誤差を45.0%、相対回転誤差を55.6%削減し、nuScenesでも異なる走行シーンへの転移性を示したと主張しています。

この1本は、束1にも束2にもきれいには入りません。ただ、記事冒頭に挙げた線——代理をやめて実物で測る——には乗っています。近年のこのタスクは、対応関係を暗黙に学習させる方向で改善してきました。DPA-I2Pがやっているのは、そこに計量的な深度という物理量とレイの幾何を明示的に戻すことです。学習された対応づけという代理の上に、測れる幾何を重ねる。これは私の読みであって著者の主張の枠組みではありませんが、束1が期待値を実現値に、束2が履歴を現在の観測に置き換えたのと、動作としては同型に見えます。なお、複数センサを1枚の地図に統合する表現の話はBEV表現にまとめてあります。

独立した動き（無理に束ねない2本）

残る2本は、上の線とは関係がありません。そう書いておくのがフェアだと思います。

DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction（Prutsch他）は、自動運転の技術を外へ持ち出す論文です。動き予測は自動運転ではよく研究されているが、空港地上面の移動への応用はまだ手薄だ、という認識から出発し、異種のダイナミクスと厳しいトポロジ制約を扱うTransformerベースのアーキテクチャを提案します。中心はPotential Reachable Set（PRS）による文脈サンプリングで、多様な運用フェーズにわたって空港環境の文脈を適応的に集める。Amelia-10ベンチマークで既存手法を上回り、特に安全上重要なシナリオで差が顕著だったとしています。今月の他の7本と議論を交わしてはいませんが、自動運転の動き予測ツールボックスが「制約されたトポロジ＋異種エージェント」という一般問題の道具として通用し始めたことの一例ではあります。

Bayesian Optimization for Self-Driving Materials Laboratories（Wakabayashi & Otsuka）は、率直に言えばキーワードの衝突でこのカテゴリに入っています。ここでの "self-driving" は自動運転車ではなく、合成・評価・データ解析・実験判断のループを閉じる「自律実験室（SDL）」のことです。内容はベイズ最適化のレビューで、失敗・欠測実験、ノイズとドリフト、混合変数、制約、多目的、可変コスト・忠実度、履歴データからの転移、バッチ／非同期運用、そして事前の物理知識といった実務上の難所を軸に整理し、特に物理情報を組み込んだベイズ最適化（PIBO）を重点的に扱っています。

ただし、まったくの無関係とも言い切れません。束1の1本目（バンディットの安全制約）と、このレビューが扱うベイズ最適化は、不確実性の下で制約を守りながら逐次的に選ぶという同じ数学の家族です。片方は投薬量や運転を、もう片方は次に走らせる実験を選ぶ。ガウス過程の側から入るならカーネル法とガウス過程が参考になります。同じ道具が2種類の「自動運転」に使われている、という以上のことは言えませんが、それ自体は面白い並びです。

モデルの新着はどう対応するか — 対応していない

Hugging Faceの同カテゴリ新着は6件でした。素直に言うと、論文側の動きとの対応は見えません。

実質的なダウンロードがあるのは2件だけで、どちらも第三者（Anbeeld）によるAlpamayo-R1-10B-DFlash-GGUF（206DL）とAlpamayo-1.5-10B-DFlash-GGUF（183DL）のGGUF量子化版です。GGUF形式はllama.cpp系のローカル推論エコシステムで使われるもので、運転向けの推論モデルを手元やエッジで動かしたい人がいることを示しています。Alpamayo自体についてはAlpamayo解説を参照してください。

残る4件——SIMFORGE-D1.5（18DL / 7いいね）、LabelFormer-AV2-smoke（7DL）、GSSC-S2D2-checkpoints（0DL / 1いいね）、Rosettasim（0DL）——については、フィードにあるのはID・ダウンロード数・更新日だけで、中身は確認していません。名前から用途を推測して書くことはしません。

数字の形について言えることはあります。6件中4件がダウンロードひと桁以下で、リポジトリ名も "checkpoints" "smoke"（スモークテスト）といった作業用の語を含んでいる。つまりこの期間の公開は、新しい基盤モデルの投下ではなく、既存モデルの変換・検証・素材置き場が中心でした。今月の論文8本が、モデルアーキテクチャの発明ではなく安全余裕の測り方やセンサ予算の配り方に寄っていたことと、雰囲気としては符合します——が、これは印象の一致であって、因果でも対応でもありません。

現場ではこう使う

今月の8本は、読み替えると評価指標の定義とセンサ予算の配り方という2つの実務判断の話になります。自動運転そのものを作っていなくても、ロボット・ドローン・産業機器のように「一度の失敗が高くつく系」を持っているチームなら同じ形の判断に出会います。

安全指標を定義するとき（プランニング／安全評価の担当）。 リリース判定のダッシュボードに何を載せるかが、そのまま束1の論点です。平均クリアランス、平均衝突率、期待コスト——これらは全部「期待値」で、ヘテロスケダスティックな系では平均が良いまま裾だけ悪化することが起こります。実際に触るのは、CVaR の裾の割合（下側何%を見るか）と、conformal 側のミスカバレッジ目標（今回の論文は10%）の2つです。指標を「平均クリアランス」から「下側裾のCVaRクリアランス」に書き換えるだけで、同じログから出る結論が変わる。逆に言うと、指標の定義を書き換えずにモデルだけ良くしても、裾のリスクは可視化されないまま残ります。

conformal校正を入れるとき。 「予測器が正しいかどうかと独立に妥当性が出る」という性質は強力ですが、無条件ではありません。前提は校正データと運用データの交換可能性です。ここが最大の落とし穴で、晴天の昼だけで校正した補正値を夜間や雨天に流用する、ある都市で校正したものを別都市に持っていく、といったことをすると、帳簿上のカバレッジは目標を満たしているのに現場では外れます。今月の論文が「300セッションを凍結して」評価している点、SkyDriveが都市間ギャップの大きさを実測している点は、同じ注意の表と裏です。校正セットは運用条件ごとに切る、というのが実務の作法になります。

センサ予算・計算予算を配るとき（認識担当）。 CAREが名指ししたのは、平均recallでは初見の遅れが見えないという指標の穴です。すでに追跡中の物体が数の上で多数を占めるので、全体recallは「初めて見る物体を何秒遅れて見つけたか」を薄めてしまう。だから first-sighting recall のように初見だけを切り出した指標を別に持つ。予算削減の提案をレビューするなら、まずここを聞くべきです。もうひとつの落とし穴が「忘却」で、遠ざかる物体や静止トラックから予算を回収する最適化は近傍で切ると危険です。CAREが速度依存のガード距離を置き、ガードなしだと厳しい予算下で近傍recallが大きく落ちると報告しているのは、まさにその事故の記録です。近傍と遠方のrecallは必ず分けて見る。

棄権（abstention）を実装するとき。 「わからないときは止まる」は正しい方針ですが、片側だけ見ると必ず失敗します。閾値を厳しくすれば安全側の指標は良くなり、代わりに誤発火が増える。頻繁に止まる車は、後続への追突リスクと運用不能という別の危険に化けます。だから 発動の早さ（Gating Before Commitment はドリフト開始から72ms後、コリドー逸脱の161ms前と報告）と 誤発火率（5.9分間に9回 → 毎分0.341回）は必ずセットで評価する。片方だけの改善報告は、実質的に何も言っていません。

評価そのものを設計するとき。 CAREの「リーク防止（leakage-free）評価」という言い方に注意する価値があります。予算配分の方策を評価するとき、方策の中に未来の情報が混ざると、予算削減の効果はいくらでも良く出ます。ベンチマーク数値を読むときも、自分で回すときも、まずここを疑う。データリークの一般論は実験でのデータリークにまとめてあります。

面接や設計レビューで問われるのは、だいたい次の3つです。「期待コスト制約とCVaR制約は何が違い、なぜ運転では後者なのか」——期待値は裾の形に鈍感で、行動が分散そのものを変える設定では平均が安全でも一発が致命的になりうる、と答える。「conformal予測がモデルの正しさと独立に妥当なのはなぜで、その前提は何か」——順位の話に還元しているから妥当で、前提は交換可能性、と答える。「センサのデータ量を7割減らして精度は落ちませんでした、と言われたら何を聞くか」——どの指標で測ったか、初見の物体だけを切り出した数字はあるか、と聞く。3つとも、今月の論文がそのまま材料になります。

今月の見どころ（3行）

1. 安全の測り方が、期待値から分布の裾へ動いた。 バンディット制約・conformal証明・意図ゲートという別々の道具で3本が同じ不満を表明し、うち1本は下側CVaRを使うとconformal補正が1.43m→0.03mに縮んだと報告している。
2. 「初めて見るもの」への弱さが、共通の敵として名指しされた。 CAREはカメラ検出の残差にLiDAR予算を取り置き、SkyDriveは空撮を新都市の教師にする。どちらも自車の履歴の外側に、絞り込んだ観測経路を1本足す形をとる。
3. モデル側は静かで、動いたのは既存モデルのGGUF化だけ。 新しい運転基盤モデルの公開はなく、この期間に更新された6件のうち意味のあるダウンロードはAlpamayoの量子化版2件に集中していた。