自動運転車（AV）スタックを現実世界で安全に走行できるように開発するには、膨大で現実的なシナリオに対する厳格なトレーニング、テスト、バリデーションが必要です。各シナリオは多数のバリエーションで表現され、AVスタックの安全性と性能を包括的に評価・保証する必要があります。この複雑性が、AV開発プロセスにおける体系的なシナリオバリエーションとその管理の重要性を浮き彫りにしています。
効果的なシナリオバリエーションは、天候の小さな変化といった単純な調整をはるかに超えるものです。現実の走行を忠実にリプレイする場合や、危険なレアケースを完全に合成してシミュレーション環境で再現する場合でも、開発者は行動ダイナミクスと環境条件の両方を含む、多様で現実的なバリエーションを生成しなければなりません。このレベルの多様性を達成するには、インテリジェントな自動化と高度なシミュレーション技術が不可欠であり、特に人間の介入なしに動作する必要があるハイレベル自動化や都市型ODD（運行設計領域）においては必須です。
以下では、シナリオバリエーションにおいて不可欠な10のカテゴリーを例示し、AV開発者が堅牢な安全性と性能バリデーションを実現するための要点を示します。
1. 他車両の数と種類
AVスタックを徹底的に検証するには、多様な車両が様々な方向に移動するシナリオが必要です。
- AVと並走する車両や対向車両の追加
- バイク、乗用車、トラック、SUV、自転車、さらにはトラクターや馬車などの非典型的な車両も含む
2. 操縦・車両ダイナミクスのバリエーション
現実的な車両挙動のバリエーションは重要です。
- 割り込み、追い越し、合流、右左折、交差、車線変更
- 速度や車間距離の多様化
- 非現実的なイベントを排除（例：大型トレーラーが時速300マイルでAVの直前に割り込むなど）
3. 他車両の運転行動
人間ドライバーの行動は多様で、AVの挙動に大きく影響します。
- 慎重すぎる、攻撃的、注意散漫、酩酊など
- 飲酒運転、ながら運転、突発的で不安定な操作を含む
4. 歩行者数と多様性
歩行者（VRU：Vulnerable Road Users）は複雑で多様な相互作用を伴います。
- 単独歩行者から集団、ペット連れ、子供、老人同行者など
- 年齢、性別、体格、人種、服装（暗色・反射材付き・伝統衣装など）、バッグやフード付き衣服の有無
5. 歩行者行動のバリエーション
歩行者の行動はAVの意思決定に大きな影響を与えます。
- 走る、立ち止まる、急停止、突然の横断
- 駐車車両の間から飛び出す子供など、予測困難な行動
6. 動物との遭遇
動物はさらなる予測不能性をもたらします。
- 犬・猫などのペット、馬・牛などの家畜、シカ・クマ・ゾウなど野生動物
- 大きさ、速度、行動の違いを反映
- 見落とされがちな例：「鳥の群れ」—都市で鳩の群れが一斉に飛び立つ場合、AVは文字通りの“shit-storm”に直面します🙂
7. 道路上の静止物
静止障害物は認識上の問題をもたらします。
- 駐車車両、工事機材、標識、広告板、ゲートやバリケード
- ビニール袋、岩、トラックから落下したソファなど、形状・大きさ・色・反射特性が異なる物体
8. 車線構成
道路設計はAV性能に大きく影響します。
- 1車線の田舎道、多車線高速道路、複雑な都市交差点、動的に変化する車線
- ODDマップ内の複数地点での右折バリエーション
- 不完全または欠如した道路標示
9. 天候と視界条件
環境条件はセンサーと意思決定に直接影響します。
- 晴天から大雨、雪、霧、砂塵、まぶしさ、薄明かり、夜間まで
- センサー性能と物体認識の堅牢性を検証
10. 環境多様性
環境文脈の違いも不可欠です。
- 都市部、郊外、農村、工業地域
- 樹木、建物、フェンス、商業看板などのランドスケープ要素
- 陰影や光源の違いによるセンサー検証
まとめ
この複雑性から明らかなように、既存走行ログから意味のあるシナリオバリエーションを生成するのは容易ではありません。手作業での作成や表面的な変更では、先進的なAVスタックを適切に検証するには全く不十分です。特にAI駆動のAVスタックに現実的な学習データが必要な場合、この問題は指数的に増大します。
これに対応するには、クローズドループのツールチェーンが不可欠です。ForetellixのForetifyツールチェーンは、ODDカバレッジプランを定義し、既存ログを評価して現状のODDカバレッジの充足率を測定、安全性ギャップを明らかにします。その上で、高度なシナリオ生成技術を適用しギャップを埋めます。インテリジェントな制約付ソルバーを組み込むことで、実世界の走行ログや完全シンセティックシミュレーションから、多様かつ現実的で物理的に妥当なシナリオバリエーションを体系的に生成できます。
こうして生成されたシナリオは、AVスタックの検証やAI駆動スタックの学習データとして活用され、開発期間を大幅に短縮し、ODDを包括的にカバーします。ForetellixのForetifyを活用することで、AV開発者やメーカーはトレーニング・テスト・バリデーションを包括的に行い、安全で信頼できる自動運転の実現に自信を持って取り組むことができます。
👉 デモをご希望の方は、ぜひお問い合わせください。
