ParkingTransformer：大規模言語モデルで強化した自動駐車のためのエンドツーエンド軌道計画
2026年6月12日、論文「ParkingTransformer: LLM-Enhanced End-to-End Trajectory Planning for Autonomous Parking」がarXivプレプリント（arXiv:2606.17082）として投稿された。著者はHauteng Wu氏ほか6名で、ロボティクス（cs.RO）に分類され、人工知能（cs.AI）にも関連する。本論文は自動運転におけるエンドツーエンドの自動駐車タスクに焦点を当て、大規模言語モデル（LLM）のシーン理解能力を活用して、既存手法の意味的理解と解釈性の不足を補おうとするものである。
論文は、エンドツーエンドの自動駐車が自動運転における重要な課題として台頭している一方、既存手法にはブラックボックス的な性質があり、高次の意味理解や解釈性を欠いていると指摘する。その結果、道路上から目標駐車枠までのシームレスで長距離の自動駐車を実現することが妨げられている。こうした限界に対処するため、著者らはマルチビュー知覚とLLMのシーン理解能力を融合させた新しいフレームワーク「ParkingTransformer」を提案している。
手法の設計では、ParkingTransformerは軌道クエリとLLMの暗黙状態特徴を組み合わせ、履歴情報や生のセンサーデータと直接相互作用して計画軌道を出力する。この設計の重要な特徴は、密なBird's-Eye View（BEV）表現を必要としない点にあり、従来手法における密なBEV表現への依存を回避している。
LLMの空間推論能力が不十分である点を補うため、研究チームは3次元位置エンコーディングを導入し、空間的な幾何認識を明示的に注入している。さらに、履歴情報を処理するための固定ウィンドウのストリーミング機構を設計し、長期的な時系列処理の効率と推論速度を大幅に向上させた。軌道生成の段階では、粗から細へのデコーディング戦略を採用し、軌道の精度を段階的に高めている。
実験による検証では、著者らはCARLAシミュレータと実車プラットフォーム上で多数のクローズドループ実験を実施した。その結果、本手法はCARLAシミュレータで61.32のドライビングスコアを達成し、実世界実験では88.70%の平均成功率を記録した。これらの結果は、提案アルゴリズムの実現可能性と有効性を裏付けている。論文の投稿日時は2026年6月12日05:52:01 UTCで、ファイルサイズは約6,965 KB。arXivからPDF、実験用HTML版、TeXソースを取得でき、DOIは10.48550/arXiv.2606.17082である。