論文要約：LiDAR 誤差下における連続コマンド融合によるロバストなグローバル・ローカル行動仲裁

1. 問題定義 (Problem)

モジュール型自動運転システムにおいて、計画された経路の追跡（グローバルな進行目標）と、近接する障害物への即応的な回避（ローカルな安全反応）を、不完全なセンサ情報（ノイズ、遅延、欠落、誤検知）と厳密なリアルタイム制約の下で調整することは大きな課題です。

特に、Ackermann 型車両（自動運転車など）において、2D LiDAR スキャンは短視野の衝突回避に不可欠ですが、測定ノイズや遅延、スキャンの欠落、前方の誤った近距離検知（フォールス・アウトライア）は、閾値ベースのルールや従来のスイッチング制御において、以下の問題を引き起こします。

• 過剰な保守的な判断による進行の停滞
• 行動間の急速な振動（オシレーション）
• 回避行動の遅延や早期発動による安全性の低下

既存の手法は、複雑な計画レベルの相互作用推論に依存するか、センサの誤差に敏感なルールベースの仲裁に依存する傾向があり、LiDAR の劣化条件下でのロバスト性が課題となっていました。

2. 提案手法 (Methodology)

本論文は、ROS2 ネイティブの仲裁モジュールを提案し、2 つの解釈可能な低レベル制御器の出力を連続的なコマンド融合によって統合するアプローチを採用しています。

2.1 システムアーキテクチャ

• 低レベル制御器（変更なし）:
  1. グローバル制御器: 事前計算されたレーシングライン追跡用の「Pure Pursuit (PP)」。
  2. ローカル制御器: LiDAR に基づく「Gap Follow (GF)」。障害物を回避し、自由空間のギャップに向かう反応型制御。
• 仲裁モジュール (Behavior Arbiter):
  • 両制御器が提案する Ackermann コマンド（操舵角と速度）を受け取り、PPO（Proximal Policy Optimization）で学習されたポリシーに基づき、連続的なゲート値 $\alpha \in [0, 1]$ を予測します。
  • 最終的なコマンド $u_t$ は以下の式で融合されます：
    $$u_t = (1 - \alpha_t) u_{PP,t} + \alpha_t u_{GF,t}$$
  • これにより、PP と GF の利点を状況に応じて滑らかに混合します。

2.2 学習と特徴量

• 観測ベクトル: 生 LiDAR スキャンではなく、前方コーンの統計量、経路の曲率、相対的な対戦車情報（距離、角度、速度差）などのコンパクトな特徴量を使用します。
• 強化学習: PPO アルゴリズムを用いて、進行の促進と安全距離の維持を両立する $\alpha$ を学習します。
• 安全性の担保:
  • インタラクションモード・ゲーティング: 対戦車との接近時など特定の状況でのみポリシーを有効化。
  • 入力鮮度監視 (Staleness Watchdog): 入力データが古すぎる場合の停止。
  • 最小クリアランスオーバーライド: 安全閾値を下回った場合の強制的な停止。

2.3 ベースライン

比較対象として、同じ ROS トピック入力と制御周波数（30 Hz）で動作する、軽量なサンプリングベースの予測制御（Sampling MPC）を実装しました。これは、一定の操舵候補を生成し、LiDAR による衝突スクリーニングを経て最適なものを選択するモデルベース手法です。

3. 主な貢献 (Key Contributions)

1. ROS2 ベースの LiDAR ロバスト性評価プロトコル:
   • LiDAR のノイズ、遅延、欠落を固定し、前方コーンへの誤った近距離検知（フォールス・アウトライア）の発生確率を掃引する評価手法を確立しました。
   • タスク成功率、安全失敗率、およびステップごとのエンドツーエンド実行時間を測定し、センサストレスに対するロバスト性曲線を生成しました。
2. マッチングされたサンプリングベース予測ベースライン:
   • 提案手法と全く同じ入力と制御レートで動作する比較対象を実装し、公平な比較を可能にしました。
3. 変更なし制御器の連続融合:
   • Pure Pursuit と Gap Follow という既存の解釈可能な制御器を、単一の連続ゲート $\alpha$ によって融合する ROS2 仲裁モジュールを実装しました。これにより、低レベル制御器を変更することなく、高度な相互作用処理とリアルタイム安全性を両立しました。

4. 実験結果 (Results)

F1TENTH Gym ROS シミュレータ（Levine トラックで学習、未見の IMS トラックで評価）を用いた対戦（オーバーテイク）シナリオで評価を行いました。

• 標準的なセンサ条件下:
  • 提案手法（Arbiter）は 100% の成功率を達成し、衝突・オフトラック・タイムアウトは 0 でした。
  • ベースライン（Sampling MPC）は 90% の成功率で、1 回のタイムアウトが発生しました。
  • 実行時間については、ベースラインの平均時間は短かった（24.15ms vs 31.95ms）ものの、最悪ケースのスパイク（61.83ms）が大きく、リアルタイム応答性の不安定さが示されました。
• LiDAR 劣化条件下（ノイズ、遅延、欠落、フォールス・アウトライア）:
  • 前方の誤検知（フォールス・アウトライア）の確率が増加するにつれて、ベースラインの成功率は急激に低下しました。これは、誤った近距離検知により候補経路が過剰に拒否され、保守的な行動やタイムアウトに陥るためです。
  • 一方、提案手法は成功率の低下が緩やかで、より高いロバスト性を示しました。これは、個々の LiDAR ビームのチェックではなく、要約された特徴量に基づいて決定を行うため、孤立した誤検知の影響を受けにくいことが原因と考えられます。
  • 実行時間の観点でも、提案手法はより安定したパフォーマンスを示し、センサ遅延や欠落下でも一貫した制御ループを維持しました。

5. 意義と結論 (Significance & Conclusion)

本論文は、自動運転の「計画レベル」の複雑な相互作用推論に依存するのではなく、既存の低レベル制御器をコマンドレベルで協調させる実用的なアプローチの有効性を示しました。

• ロバスト性: 不完全なセンサ情報（特に LiDAR の誤検知）に対して、学習ベースの連続融合が、ルールベースやモデルベースのサンプリング手法よりも優れた耐性を示すことを実証しました。
• 実用性: 解釈可能な制御器を維持しつつ、強化学習による適応性を追加するハイブリッド設計は、リアルタイム制約が厳しいモジュール型自動運転スタック（例：Autoware）への統合に適しています。
• 安全性: 単一のスカラーゲートによる融合は、安全監視（オーバーライド）の導入を容易にし、複雑な学習モデル全体を安全に保つための簡潔なインターフェースを提供します。

今後は、より多様な相互作用シナリオ、実車検証、およびコンポーネントごとのアブレーション研究を通じて、このアプローチの一般化と実用性をさらに探求する予定です。