オープンソースのレベル4自動運転システムのプロトタイプにおけるディスエンゲージメント分析とフィールドテスト

- Autoware-based のオープンソース Level 4 自動運転システムのプロトタイプを評価した研究。 - 236 km の mixed traffic を走行し、26 rides で 30 件の disengagement を記録。 - 新たな five-level criticality framework で分類し、空間的 disengagement rate 0.127 1/km を報告。 - 介入は低速時、静的物体や traffic lights 付近で多発。 - Perception と Planning の失敗がそれぞれ 40% と 26.7% を占めた。

- 従来の proprietary Autonomous Driving Systems は California Department of Motor Vehicles への年次報告による disengagement 評価が中心。 - オープンソースの Level 4 車両の実世界能力は長距離にわたりほとんど未解明だった。 - 本研究は Autoware-based stack を用い、236 km の実走行で評価した点が新しい。 - 標準指標では見逃される robustness 問題を disengagement 分析で明らかにできることを示した。

- Autoware-based software stack を搭載した research vehicle を使用。 - 236 km の mixed traffic 走行を実施。 - 26 rides で発生した 30 disengagements を収集。 - 新規の five-level criticality framework で分類。 - 空間的 disengagement rate 0.127 1/km を算出。 - 失敗要因を Perception と Planning に分類し分析。

- 236 km の mixed traffic 走行と 26 rides の実地テストを実施。 - 30 disengagements を five-level criticality framework で分類。 - 空間的 disengagement rate 0.127 1/km を観測。 - Perception 40%、Planning 26.7% の失敗割合を報告。 - 低速時、静的物体や traffic lights 付近での介入多発を確認。 - 安全運転者の不要な介入頻発から信頼不足を指摘。

- オープンソースソフトウェアは広範な運用を可能にする一方、robustness 問題が残る。 - disengagement 分析は標準指標では見逃される問題の発見に重要。 - 介入の多くは低速時や静的物体・traffic lights 付近で発生。 - Perception と Planning の失敗が主要因（それぞれ 40%、26.7%）。 - 原因として object-tracking losses や parked vehicles による operational deadlocks を挙げる。 - 安全運転者の不要な介入頻発は信頼不足を示唆。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として Autoware-based software stack や California Department of Motor Vehicles の disengagement 報告が挙げられる。 - 同分野の定番として proprietary Autonomous Driving Systems の disengagement 評価に関する研究が考えられる。