安全クリティカルな運転シナリオ生成に関する調査—方法論的視点

自動運転システムは、機械学習を利用したセンシングと意思決定アルゴリズムの進歩により、昨年にわたって大きな進展を遂げています。これらのシステムを現実世界に大規模に展開する上での重要な課題の一つは、安全評価です。現在のほとんどの運転システムは、日常生活から収集した自然的シナリオや、ヒューリスティックに生成された逆境シナリオで訓練および評価されています。しかし、一般的に車の大規模な数は、非常に低い衝突率をもたらし、収集された実世界データ内では安全クリティカルなシナリオが稀であることを示しています。したがって、シナリオを人工的に生成する方法が、リスクを測定し、コストを削減するために重要になります。本調査では、自動運転における安全クリティカルなシナリオ生成のアルゴリズムに焦点を当てます。まず、既存のアルゴリズムをデータ駆動生成、逆境生成、知識ベース生成の三つのカテゴリに分類し、包括的な分類法を提供します。次に、シナリオ生成のための有用なツール、シミュレーションプラットフォームやパッケージについて論じます。最後に、現在の研究における五つの主要な課題—忠実性、効率性、多様性、移植性、制御可能性—と、それらの課題によって浮かび上がった研究機会について議論を拡張します。