視覚言語行動（VLA）モデルはエンドツーエンドの動作計画器として効果的ですが、従来の模倣学習フレームワークで訓練されるため、閉ループ設定で評価すると脆弱になることがあります。既存の閉ループ監督アプローチは拡張性に欠け、反応環境を完全にモデル化できません。本研究では、VLAモデルの潜在空間で動的運転シナリオの反応的マルチエージェントロールアウトを行う新しいフレームワークMAPLEを提案します。自車両と近隣の交通エージェントはマルチステップのホライズンにわたって独立に制御され、同時にシーン内の他のエージェントに反応するため、閉ループトレーニングが可能になります。
MAPLEは2段階のトレーニングで構成されます：（1）実軌跡に基づく潜在ロールアウトでの教師ありファインチューニング、続いて（2）安全性、進行、インタラクションの現実性を促進するグローバルおよびエージェント固有の報酬を用いた強化学習です。さらに、ログデータに存在しない可能性のある計画行動を生成するようモデルを促す多様性報酬も提案されています。注目すべきは、この閉ループトレーニングフレームワークは拡張可能で、計算コストが高く現実世界への視覚的忠実度が限られる外部シミュレータを必要としない点です。
MAPLEはBench2Driveで最先端の運転性能を達成し、堅牢なエンドツーエンド自動運転システムのための拡張可能な閉ループマルチエージェントプレイを実証しました。本論文は19ページ、9図からなり、NeurIPS 2026に投稿されています。主題はロボティクス（cs.RO）とコンピュータビジョン（cs.CV）です。著者はRajeev Yasarlaを含む12名で、2026年5月13日にarXivに提出されました。MAPLEの核心は、潜在空間にマルチエージェントプレイを導入し、従来のシミュレータの制限を回避することで、エンドツーエンド自動運転の閉ループトレーニングに効率的で拡張可能なソリューションを提供することにあります。