自動運転技術の実用化に向けて、動作計画システムの汎用性と堅牢性の評価が急速に重要になっています。大規模データセット上で訓練された閉ループ型モーションプランナーは、同一分布下での性能は優れていますが、未知の都市環境や予期しない実行エラーへの対応能力については十分に検証されていません。この課題に対応するため、研究者らは「Shift & Drift」という革新的なベンチマークを開発しました。このベンチマークは、分布シフトの2つの重要な側面に対してモーションプランナーを厳密に試験することを目的としています。 まず、セマンティックシフトトラックでは、航空画像ベースのDeepScenario Open 3Dデータセットを、広く使用されているnuPlanシミュレーション環境に変換するパイプラインを構築しました。これにより、北米とシンガポールのデータで訓練されたプランナーを、ドイツの4都市とアメリカのサンフランシスコから抽出した1,182個のシナリオに対してゼロショット評価することができます。これらのシナリオには歩行者と自転車利用者の密集した相互作用が含まれています。次に、状態分布ドリフトトラックでは、自動運転車のダイナミクスに確率的摂動を注入し、複合的な実行エラーに対する堅牢性を定量化します。 評価結果から興味深い知見が得られました。模倣学習手法は同一分布内のベンチマークで高いスコアを達成しますが、セマンティックシフト下では大きな失敗を示し、特に歩行者が密集している環境では性能が著しく低下します。さらに、時間的に相関のあるアクチュエーション雑音にさらされると、継続的なドリフトに悩まされます。対照的に、強化学習ベースのプランナーはより段階的な性能低下を示し、両方のトラックにおいて安全性と進捗指標でより高い値を維持しています。本研究は、模倣学習の忠実性と閉ループ回復力の間に実証的なトレードオフが存在することを明らかにし、自動運転の信頼性のある実装に向けた進捗を評価するための厳密なベンチマークを学界に提供しています。