大局的に見れば、自動運転システム（ADS）の安全基準は、その目的において共通しています。米国、欧州、アジアのいずれにおいても、求められることは同じです。システムは、実世界で想定される幅広いシナリオにおいて、安全に動作することを実証しなければなりません。
しかし、目指すべきゴールは共通していても、そこに至る道筋は一様ではありません。ISO 21448（SOTIF：意図した機能の安全性）や、シナリオベースのテストについて規定する ISO 3450X シリーズなどの規格は、達成すべき事項を定義していますが、その具体的な実現方法までは規定していません。そのため、各チームは、これらのガイドラインを具体的なテストワークフロー、カバレッジに基づく定量的な検証プロセス、そして客観的な評価に耐え得る安全性の証拠へと、どのように落とし込むかを判断する必要があります。
安全規格や社内のセーフティケースに示されるガイドラインと、実際に実行可能でトレーサビリティを備えたテスト・検証ワークフローとの間に存在するギャップこそが、適合性検証のスケーラビリティを妨げる要因です。本記事では、体系化されたメソドロジーとAI支援型ワークフローによって、このギャップをどのように解消し、規格を実行可能かつ再現性のある検証プロセスへと転換できるかを解説します。
規格と実行の間にあるギャップ
各市場において、ADS開発者、安全性評価チーム、規制適合性を担当するチームは、共通の課題に直面しています。それは、上位レベルの安全要件を、体系的かつ実行可能な検証プロセスへと変換することです。
規格は全体的な安全目標を定義していますが、その目標を日常的な検証・妥当性確認（V&V）活動へと落とし込む段階で、複雑さが増していきます。チームは、運行設計領域（ODD）を意味のあるシナリオにどのように分解するか、テストの優先順位をどう設定するか、システムの挙動とテストカバレッジの両方をどう評価するか、さらに最終的にはシステムが実運用に適していることを裏付ける説得力のある安全性の論証をどう構築するかを判断しなければなりません。
これらのステップを結び付ける体系的なメソドロジーがなければ、検証活動は断片化し、規模の拡大が難しくなり、個々の専門家の知識や経験に大きく依存することになります。
日本自動車工業会（JAMA）が策定した自動運転の安全性評価フレームワークなどは、シナリオベースのテストに対する体系的なアプローチを提供することで、さらに一歩踏み込んでいます。JAMAのフレームワークでは、ODDの分解方法、外乱シナリオの分類方法、そして「有能で注意深いドライバー」といったベンチマークモデルを提示しています。これにより、チームは具体的な出発点を得ることができます。
しかし、このように詳細な枠組みがあっても、重要なギャップは残ります。チームは、規格で求められる内容に対して既存のテストがどの程度カバーしているかを定量化する方法と、検証活動が十分に完了していることをどのように論証するかを、引き続き定義しなければなりません。
体系的なV&Vメソドロジーの構築
このギャップを埋めるには、さまざまな要件フレームワークに適用でき、要件と高度に自動化されたテスト・検証ワークフローの実行を結び付ける、再利用可能なメソドロジーが必要です。実際には、V&Vを一度限りの活動としてではなく、反復可能で継続的に改善できる、高度に自動化されたツールチェーン、すなわち「V&Vループ」として構築することを意味します。
体系的なV&Vループは、安全目標、テスト、カバレッジ、意思決定を結び付け、反復可能なプロセスを実現します。
このループには、以下の主要なステップが含まれます。
- 安全目標、対象範囲、適用される規格を定義する。
- テストキャンペーンとカバレッジ戦略を設計する（車両フリートの走行データ、SiL、HiLなど）。
- さまざまなテスト環境でテストを実行し、結果を測定する。
- 定義された目標に対してシステム性能とカバレッジを評価し、各結果について、システムの不具合なのか、評価基準の見直しが必要なのかを切り分ける。
- カバレッジの不足領域と性能上の問題を特定し、優先順位を付ける。
- 検証・妥当性確認計画を継続的に改善し、合成データの生成や対象を絞ったデータ収集によってカバレッジの不足を補完するとともに、特定された不具合を解消する。
- セーフティケースを裏付ける証拠を生成し、検証が十分な水準に達したかを判断する。
このプロセスは閉ループ構造になっており、複数の段階でフィードバックが行われます。ステップ6の結果はステップ3に戻されます。新たに生成、または再生成されたデータはテスト実行に投入され、不具合が修正された後、テストキャンペーンが再実行されます。一方、ステップ4の結果はステップ2に戻されます。結果の切り分けによって、システム自体は意図どおりに動作していたにもかかわらず、評価基準がその挙動を誤って判定していたことが判明する場合があります。その場合は、追加テストを行う前に、評価指標や合否判定のしきい値を見直します。これらのフィードバックループは、ステップ7で得られる証拠がセーフティケースを十分に裏付けるまで繰り返されます。システムの挙動とカバレッジは、両方を一体として扱う必要があります。
図に示されたシステム性能の評価経路では、ADSが受け入れ基準に対してどのような性能を示しているかを自動的に判定します。一方、カバレッジは別の問いに答えるものです。すなわち、実行されたテストによって、規格または社内のセーフティケースが要求する事項のうち、どれだけが検証されたかを測定します。その測定の基準となるのは、定義された運行設計領域と要件空間です。十分な根拠に基づく安全性の論証には、両方の証拠が必要です。
意味のある性能評価基準を定義するには、十分な検討が必要です。何をもって合格とするか、どの重大度のしきい値が重要か、境界的なケースをどのように扱うかについて、チーム内で合意しなければなりません。前述のループが示すように、これらの判断は結果が蓄積されるにつれて見直されます。
カバレッジには2つの側面があります。1つ目は測定可能な部分です。これは、ODDの分解と規格またはフレームワークで規定されたシナリオ分類に基づいて構築された、定義済みの空間に対するカバレッジです。2つ目は、その空間が実際の運用環境でシステムが遭遇する条件を適切に代表しているという論証です。カバレッジに関する主張が説得力を持つためには、数値だけでなく、その数値を測定した空間の妥当性についての説明も必要です。
これこそが、メソドロジーによって実現すべきことです。カバレッジ空間を体系化し、安全上の重要性に基づいて不足領域の優先順位を決め、検証の完全性に関する論証を明確かつ追跡可能な状態に維持する必要があります。規格はこうした論証を求めていますが、その方法は規定していません。以下では、このギャップをどのように解消するかを紹介します。
したがって、チームはカバレッジ空間をどのように構成し、テストの不足領域にどのような優先順位を付け、最終的に検証活動が十分に網羅的であることをどう正当化するかを判断する必要があります。規格はこうした論証を要求していますが、それを実現するための具体的なメソドロジーは提供していません。
安全性評価フレームワークを出発点として活用する
上位レベルの規格に加えて、チームは検証の「実施方法」を定める評価フレームワークや規制にも目を向ける必要があります。JAMAの自動運転安全性評価フレームワークなどは、ODDに基づく詳細なシナリオ分類やベンチマークモデルを提供することで、シナリオベースのテストに対する体系的なアプローチを示しています。
同様に、国連欧州経済委員会（UNECE）の R157（自動車線維持システム：ALKS）、UN R171（ドライバー制御支援システム：DCAS）、および最近採択された UN R185（自動運転システム：ADS）などの規制フレームワークは、安全目標をシステム挙動と検証に関する具体的かつ実行可能な要件へと変換します。これらのフレームワークは、抽象的な安全目標と、安全性の証拠を実際に構築する作業との間をつなぐ、重要な実装レイヤーとして機能します。
JAMAフレームワークは、上位レベルの規格と体系的な評価ワークフローを結び付ける、シナリオベースのテストの具体的な実装方法を提供します。
しかし、これらのフレームワークでさえ、問題を完全に解決するものではありません。体系的な構造は提供されますが、カバレッジの測定、不足領域の優先順位付け、安全性の論証を包括する完全なメソドロジーまでは提供されていません。チームは、これらの要素を自社のワークフローの中で実際に運用可能な形にする必要があります。
メソドロジーを実行可能なプロセスへと変換する
ForetellixのForetifyは、規格やフレームワークをADSの検証、データの選別・整理、データ生成のための体系的かつ実行可能なワークフローへと変換するシナリオベースのプラットフォームによって、このギャップに対応します。
Foretellixは、各チームが規格を個別に解釈する必要を減らし、規格と実行可能なワークフローを結び付ける体系的なV&Vメソドロジーを提供します。これには、シナリオ主導のテスト設計、カバレッジ主導の検証・妥当性確認、不足領域の優先順位付け、そしてトレーサビリティを備えた安全性の論証の構築が含まれます。UNECE WP.29 R185などの規制についても、シナリオの生成と選択、運行設計領域（ODD）のカバレッジ、追跡可能な安全性の証拠に関する要件を、実務に落とし込むための具体的な手段を提供します。
カバレッジ空間の構造化はODDから始まります。このメソドロジーでは、規格またはフレームワークで規定された各次元に沿ってODDを分解し、その結果をプラットフォームが測定できるカバレッジモデルへと変換します。これにより、それぞれの不足領域が明確に識別され、チームが具体的な対応を取れる項目になります。
続いて、各不足領域の安全上の重要性に基づき、重大性、発生可能性、複雑性の観点から優先順位を付けます。各要素の重み付けは、お客様のODD、安全性に関する主張、リスク受容基準によって異なるため、お客様自身が決定します。すべてのシナリオは、対応する要件との関連付けと、そこから得られた結果への関連付けを維持します。この双方向のトレーサビリティによって、検証の完全性に関する論証を、チーム外の第三者もレビューできるようになります。
このアプローチの重要な構成要素の1つが、規格に準拠したスターターパッケージです。例えばForetellixは、JAMAに対応した専用のシナリオ・評価 V-Suite を提供しており、お客様がメソドロジーを導入する際の大きな推進力となります。
このパッケージには、事前定義されたシナリオフレームワーク、ベンチマークモデル、評価基準が含まれており、チームはこれらをすぐに基盤として活用できます。その後、自社のODDやシステムの特性に合わせてワークフローを調整することで、ゼロから構築するのではなく、体系化された基盤から取り組みを開始できます。
さらに、Foretellixのプラットフォームは、データに対するハイブリッドなアプローチを可能にします。特定されたカバレッジの不足を補うために、目的に応じた新しい合成シナリオを自動生成すると同時に、実世界のデータ収集が特に重要となる領域を正確に特定するためのインテリジェンスも提供します。
これにより、検証チームはリソースを最適化し、安全性への影響が最も大きいシナリオに労力を集中できます。それが合成データの生成であっても、実世界からのデータ取得を優先することであっても、同様です。
適合性検証のスケーラビリティ向上におけるAIの役割
ADS開発プログラムが複数の市場へと拡大するにつれて、課題となるのは、このメソドロジーをいかにスケールさせるかという点です。Foretellixは、Foretellix AIアシスタントと、主要なAIエンジンと連携可能なForetellix MCPを通じて、AIを実用的な支援機能としてワークフローに直接統合しています。
AIは、専門知識に基づくガイダンスを提供するインターフェースとして機能し、規格、メソドロジー、既存の検証データを結び付けます。チームは個々の専門家による規格の解釈だけに依存することなく、厳選・検証されたナレッジベースに基づくForetellix AIアシスタントと対話できます。
これにより、チームは次のことが可能になります。
- 規格を実務に適用する方法についてガイダンスを受ける。
- 特定の市場やODDに合わせてワークフローをカスタマイズする。
- 要件をテストおよび評価に直接結び付ける。
- 新しい地域へ展開する際に、既存の検証データを再利用する。
例えば、日本のような新しい市場へ進出する場合、チームはAIアシスタントに対して、JAMAの要件が既存のSOTIFベースのテストキャンペーンにどのように対応するかを質問できます。すると、規格を最初から解釈し直す代わりに、検証済みのナレッジベースに基づいた体系的な回答を得ることができます。
これは独立したコンサルティングレイヤーではありません。Foretifyのワークフロー内に組み込まれ、すでに使用されているデータやツールと連携しています。その結果、チームは最初からやり直すことなく、検証活動を複数の市場へと拡張できます。
規格の解釈から、規格の実行へ
ADS開発が成熟するにつれ、規制適合性の確保を制約する要因は、もはや規格へのアクセスではなく、それらを一貫して実行する能力へと移っています。SOTIFなどの規格やJAMAなどのフレームワークは重要な方向性を示しますが、体系的な実装の必要性に取って代わるものではありません。
Foretellixは、明確なV&Vメソドロジー、規格に準拠したスターターパッケージ、AIによるガイド付きワークフローを組み合わせることで、チームが規格を解釈する段階から、実際に実行する段階へと進むことを可能にします。
この変化が意味することは明確です。安全性を定義するだけでなく、測定可能なデータに基づく確かな根拠によって、安全性を実証する段階へと移行するのです。
もし貴社のチームが、規格に基づく検証を実行することよりも、規格の解釈に多くの時間を費やしているのであれば、Foretellixがお役に立てます。当社のプラットフォームは、ゼロから始めることなく、規格を測定可能で拡張性の高い検証プロセスへと変換することを支援します。
このアプローチが貴社の開発プログラムにどのように貢献できるか、ぜひお問い合わせください。
