実世界交通データから関連するクリティカルシナリオへ

- 自動運転車・自動運転機能・ADAS の信頼性確保に必要な「関連シナリオ」を、実世界の highway traffic データから特定する研究。 - AVEAS project の一環として、highway の lane change シナリオを対象に、データ取得・処理から criticality measures の適用、safety-relevant シナリオの同定までを扱う。 - さらに「unknown unsafe」シナリオの広がりに対応するため、記録済みシナリオを基に synthetic scenarios を生成する手法を提案。 - 処理チェーン全体（同定・データ駆動抽出・synthetic critical scenarios の生成）を実証・評価する。

- 従来は自由度が多く、関連シナリオの near-complete な集合の同定が困難で、「unknown unsafe」シナリオが機能の複雑化に伴い増大する問題があった。 - 本論文は highway のような simpler domain から始め、urban traffic へ段階的に進む方針を採る点が特徴。 - lane change のように自由度が多く safety-relevant シナリオが多い対象に焦点を当て、実世界データの取得・処理から criticality measures 適用までを一貫して扱う。 - 計算した measures を具体的な lane change シナリオやデータ収集条件に結び付けることで、応用ごとの safety-relevant シナリオ同定を可能にする点が先行研究との差分として示される。 - ただし個々の先行研究との定量的比較は要旨からは不明。

- 公共 highway traffic からの real-world data の data acquisition と processing のプロセスを記述。 - trajectory data に criticality measures を適用してシナリオを評価。 - 算出した measures を特定の lane change driving scenarios およびデータ収集条件にリンクさせ、safety-relevant シナリオを同定。 - 「unknown unsafe」シナリオに対処するため、記録済みシナリオを基に synthetic scenarios を生成する手法を提案。 - highway 上での sampling により synthetic critical scenarios を生成する processing chain を構成。

- AVEAS project 内で実施した、real-world data の取得・処理、criticality measures の適用、lane change シナリオとのリンクまでの processing chain を実証・評価。 - 記録済みシナリオを基にした synthetic critical scenarios の生成を highway 上で sampling して実証・評価。 - 具体的な評価指標やデータセット規模、比較実験の詳細は要旨からは不明。

- 自由度の多さゆえに関連シナリオの near-complete な集合同定が難しく、機能の複雑化で「unknown unsafe」シナリオが増える点を課題として認識。 - 検証効率向上のため、highway のような simpler domain から urban traffic のような複雑環境へ段階的に進む必要性を議論。 - 実世界データの measures をシナリオや収集条件に結び付けることで応用可能性を広げる一方、synthetic scenarios による「unknown unsafe」への対処を提案。 - 限界や今後の課題の詳細は要旨からは不明。

- AVEAS project（www.aveas.org）関連の研究。 - highway の lane change シナリオにおける criticality measures を用いたシナリオ評価の先行研究。 - real-world trajectory data からの safety-relevant scenario 抽出に関するデータ駆動手法の研究。 - synthetic critical scenarios の生成・sampling に関する研究。 - urban traffic など複雑環境への拡張を扱うシナリオ同定研究。