RISE: 世界行動モデルのための適応的想像力

要旨

ワールドアクションモデル（WAMs）は、将来の世界進化をアクション生成に組み込むことでプランニングを改善するが、既存手法は各シーンに固定の想像予算を割り当てる。本稿では、継続ロールアウトの期待プランニング利得に応じて逐次的なRoll/Stop判断を行う、システムレベルの適応的想像フレームワークであるRISE（選択的ロールアウトによる想像の精緻化）を提案する。各ステップで、潜在評価器は現在のプレフィックスによって明らかになったリスクと、想像を継続した場合にプランニングがどの程度改善し得るかを推定し、ロールアウトゲートはこの期待利得と追加計算コストを比較考量する。実際の運転ログは実現した一つの未来しか明らかにしないため、我々はさらに、多様な結果とリスクレベルを備えた反事実データセットであるCounterDriveを構築し、将来のダイナミクスを豊かにするとともに、局所的なリスク教師信号を提供する。保持された各サンプルは、軌道の妥当性、インシデント発生、因果カテゴリについて専門家による検証とアノテーションを受け、セーフティクリティカルなワールドモデリング研究のための再利用可能なリソースとなる。NAVSIMとnuScenesでの実験により、RISEは不要なロールアウトを削減しつつ最高の総合プランニング性能を達成し、さらに転移実験の結果はWAMアーキテクチャ横断のプラグイン的汎用性を支持する。

English

World Action Models (WAMs) improve planning by incorporating future world evolution into action generation, yet existing methods allocate a fixed imagination budget to every scene. We propose RISE (Refining Imagination through SElective Rollout), a system-level adaptive imagination framework that makes sequential Roll/Stop decisions according to the expected planning benefit of continued rollout. At each step, a Latent Evaluator estimates the risk revealed by the current prefix and how much planning could improve if imagination continues, while a Rollout Gate weighs this expected benefit against additional computation cost. Since factual driving logs expose only one realized future, we further construct CounterDrive, a counterfactual dataset with diverse outcomes and risk levels, to enrich future dynamics and provide localized risk supervision. Each retained sample undergoes expert verification and annotation of trajectory validity, incident onset, and causal category, providing a reusable resource for safety-critical world-modeling research. Experiments on NAVSIM and nuScenes show that RISE achieves the best overall planning performance while reducing unnecessary rollout, with additional transfer results supporting its plug-in generality across WAM architectures.