UniPlannerは、複数のデータセットを統合することを目的とした自律走行車の意思決定システム向けの運動計画フレームワークです。この研究では、運動計画が自律走行車の安全性や運転効率に直接影響を与える重要な要素であることを強調しています。従来の手法が単一のデータセットに依存しているのに対し、UniPlannerは履歴と未来の関係を活用し、異なるデータセット間の一貫した運動軌跡の分布を示しています。具体的には、3つのイノベーションを通じてクロスデータセット学習を実現します。まず、History-Future Trajectory Dictionary Network (HFTDN)を用いて、過去の軌跡と未来の軌跡の相関を集約し、計画ガイダンスを生成します。次に、Gradient-Free Trajectory Mapper (GFTM)は履歴と未来の相関を学習し、計画の知識を安全に移転可能にします。最後に、Sparse-to-Dense (S2D)パラダイムを用いて柔軟なドロップアウトを実施し、トレーニング中の堅牢性を確保します。