Active inference as a unified model of collision avoidance behavior in human drivers

あなたが高速道路を運転しているところを想像してください。突然、前の車が急ブレーキをかけるか、対向車線から車があなたの進路に割り込んでくるかもしれません。あなたは瞬時に決断を迫られます：強くブレーキをかけるか、車線変更をするか、それとも最善を祈るだけにするか。

この論文は、人間の脳がこのような瞬時の決断を下す仕組みを理解するための新たなアプローチを紹介しています。著者たちは、「能動的推論（Active Inference）」と呼ばれる理論に基づいて、コンピュータモデルを構築しました。

以下に、彼らが何を行い、何を発見したかを、日常的なアナロジーを用いて簡潔に解説します。

核となる概念：「驚き最小化者」

あなたの脳を「天気予報士」と考えてみてください。脳は常に、自分が期待するものに基づいて、次に何が起こるかを予測しています。

• 通常の運転： 前の車が自車線内に留まると予想します。あなたの「予報」は現実と一致しており、「驚き」を感じません。
• 危険： その車が突然車線変更をすれば、あなたの予報は外れます。脳は「驚き」の急激な上昇を記録します。

この論文は、人間のドライバーはこの「驚き」を最小化するように行動すると主張しています。「驚きメーター」が高くなりすぎた場合（衝突の恐れがある場合）、脳は次に何をすべきかについて完全な「再計画」をトリガーします。

モデルの仕組み（3 つの主要な要素）

研究者たちは、人間のように考えるロボットドライバーを、3 つの特定のトリックを用いて構築しました。

1. 「迫り来る」目（危険の視認）
人間はスーパーコンピュータのように正確な速度や距離を計算するのではなく、「迫り来る（looming）」と呼ばれる視覚的なトリックを使用します。

• アナロジー： 顔に向かって飛んでくる虫を見ているところを想像してください。虫が近づくにつれて、単に大きくなるだけでなく、より速く大きくなります。脳はこの拡大率を使って、いつ虫を叩くべきかを知ります。
• モデル： ロボットもこの同じ視覚的なトリックを使用します。また、「閾値」を持っており、遠くからでは速度の微小な変化を視認できません。これは、遠くでブレーキをかける車に対して人間がなぜか瞬時の反応が遅れるのかを説明します。彼らは、危険が十分に近づいて「迫り来る」ようになるまで、文字通り「見えていなかった」のです。

2. 「社会的規範」フィルター（他者を信頼する）
もしロボットが、他のドライバーが屋根の上を走ったり、ドーナツターンをしたりするなど、ありとあらゆる狂った行動をすべて計画しなければならないとしたら、恐怖で麻痺し、常にブレーキを踏むことになります。

• アナロジー： 運転する際、あなたは他の人々がルールに従っていると仮定します。対向車線の車がそこに留まると想定します。彼らがそうではないという証拠が見えるまで、パニックにはなりません。
• モデル： ロボットは「規範条件付き粒子フィルタ」を使用します。他のドライバーは礼儀正しく振る舞う（車線内に留まり、優先権を譲る）と仮定します。他の車が実際にルールを破るまで、この仮定を信頼し続けます。これにより、ロボットは通常の交通に対して過剰反応することを防ぎます。

3. 「驚き蓄積器」（反応タイマー）
これはタイミングにとって最も重要な部分です。ロボットは問題を目撃した瞬間に反応するわけではありません。「驚き」が蓄積されるのを待ちます。

• アナロジー： 水を満たしていく「バケツ」を考えてください。
  • 小さな問題（車がわずかにふらつく）は数滴を加えます。
  • 大きな問題（車があなたの車線に割り込んでくる）は消防ホースのような量を加えます。
  • ロボットは、バケツが溢れる（閾値に達する）まで「水しぶき」を上げ（行動を起こしません）。
• 結果： これが、人間が瞬時に反応しない理由です。機動を実行する前に、危険が現実であることを少し確認する時間が必要です。

彼らがテストしたもの

チームは、このロボットドライバーを 3 つの異なる「衝突シナリオ」でテストし、その挙動を運転シミュレーターから得られた実際の人間データと比較しました。

1. 追突： 前の車が突然ブレーキをかける。
2. 正面衝突の車線変更： 対向車線から車があなたの進路に割り込んでくる。
3. 交差点： 車が停止せずにあなたの前で右折する。

彼らが発見したもの

このモデルは驚くほど正確でした。単に推測したのではなく、人間の行動を詳細に再現しました。

• タイミング： 人間と同じ速度で反応しました。
• 選択： 車の速度に基づいて、ブレーキか車線変更かという適切な選択を行いました。これは人間が行うことと同じです。
• 「凍りつき」効果： 「正面衝突の車線変更」シナリオでは、モデルは人間と同様に、時として衝突しました。なぜでしょうか？「驚き」があまりにも混乱を招くため（他の車が引き返すのか、それとも進み続けるのか）、ロボットは安全な経路を時間内に見つけられなかったからです。これは実際の人間の躊躇と一致します。

「アブレーション」テスト（脳を分解する）

彼らのモデルが正しいことを証明するために、異なる「要素」を一つずつ無効化して、何が壊れるかを確認しました。

• 「驚き蓄積器」なし： ロボットはすべてに対して瞬時に反応しました。確信を得るまで待たなかったため、過度に神経質になり、誤った判断を下しました。
• 「社会的規範」フィルターなし： ロボットは猜疑心の強い臆病者になりました。すべての車が自分と衝突すると仮定したため、不必要にブレーキをかけたり、パニックを起こしたりしました。
• 「迫り来る」視覚なし： ロボットは遠く離れた車に対して反応が遅すぎました。視覚的に危険が蓄積していくのを「見ることができなかった」ためです。

結論

この論文は、人間の衝突回避が単なる速度と距離の機械的な計算ではないことを示しています。それは、期待、視覚的なトリック、そして「驚き」のアラームシステムという複雑な踊りなのです。

「バケツ」が溢れるのを待つことや、他のドライバーが礼儀正しいと仮定することなど、人間の癖を模倣するモデルを構築することで、研究者たちは危険な状況で人間がどのように反応するかを予測できるツールを作成しました。これは、自動運転車のより良い安全システムを構築する上で大きな一歩です。なぜなら、車が衝突を回避する方法を教えるためには、まず人間の脳がどのように車線変更を決断するかを理解する必要があるからです。