NegWAMは、エンド・ツー・エンド型自律走行モデルに対し、専門的な走行データに似たが安全リスクを有する「負の軌跡」を生成し、学習時に排除力として利用する手法である。これにより、モデルは専門的走行に近い軌跡でも危険領域を避けるように学習し、推論時には追加計算を行わないためリアルタイム性能が保持される。

実験では、NAVSIM v2ベンチマークの難易度の高いナビハードセットで40.4 EPDMSを達成し、ベースラインの最高強化モデルに比べて4.1 %の相対改善を示した。全体テストセットで93.3 EPDMSを記録し、DriveWAMを1.1ポイント上回った。さらに、表 VIに示すように、推論遅延は6.5 ms増、フレームレートはほぼ同等である。これにより、性能向上とデプロイコスト増加なしで安全性が向上したことを示している。