自動運転 VLM の推論検証に将来軌道の非公開手法を提案

記事の3ポイント

1. 1

   既存手法のバイアス問題

   既存の教師モデルは訓練時に既知の未来軌道（GT）に晒されるため、結果を事後合理化する傾向があり、因果関係が乏しい推論や深刻なハルシネーションを引き起こす。

2. 2

   DEFT-RLVRの提案

   未来軌道を意思決定前の固定値から、意思決定後の検証対象へと位置づける「Deferred Exposure of Future Trajectories for RLVR (DEFT-RLVR)」を提案し、推論能力を向上させる。

3. 3

   AD-MCQによる簡素化

   複雑な軌道生成の代わりに、明示的な候補軌道から選択するマルチチョイス問題（AD-MCQ）として計画タスクを再定義し、検証可能性と柔軟性を確保する。