# LiDARを活用したトークン選択で運転モデルの計算量を削減

> 自動運転モデルが処理する画像パッチをLiDARとレーダーの幾何情報に基づいて絞り込む手法を論文が提案。計算量の削減とベンチマーク成績の向上を報告している。

Oossa · 2026-11-02 · https://oossa.com/ja/lidar-guided-token-selection-cuts-driving-model-compute

新たなarXiv論文は、Geometry-Aware Token Selection（GATS）を提案している。LiDARとレーダーの計測データを使い、自動運転モデルが処理を始める前に画像パッチを選び出す手法だ。著者らによると、トークン数を10%に抑えた場合、GATSの計算量は24 GFLOPsで、全データを処理するベースラインモデルの18分の1にとどまりながら、nuScenesとNAVSIMでより高いスコアを記録した。また、意図の予測が重要な739のシナリオでは、衝突率は0.09%だったのに対し、ベースラインモデルでは0.34%だった。いずれも論文が報告した結果であり、提供された要旨から実際の道路での性能が確認できるわけではない。

## 事実

- トークン数を10%にした場合、GATSのnuScenes L2誤差は0.537 mで、ベースラインモデルの0.573 mを下回った。
- この論文は2026年11月2日にarXivで公開された。

## なぜ重要か

自動運転の研究者にとって、報告された計算量の削減は、ベンチマーク性能を維持しながら処理するカメラデータを減らせる可能性を示す。ただし、実際の道路でどのような効果があるかはまだ分かっていない。

## 出典と参考資料

1. [Let LiDAR Decide Where to Look: Geometry-Measured Token Selection for Efficient Sparse Latent World Models](https://arxiv.org/abs/2610.40935) – arXiv cs.CV, 2026-11-02

最終更新: 2026-11-02