あなたはロボットに車の運転を教えていると想像してください。あなたは、ロボットが「どこ」を走ることを許可されているかを簡単に伝えることができます。例えば、晴れた日の高速道路に限る、あるいは静かな囲いのある駐車場の中だけにする、といった具合です。この「許可された領域」を、Operational Design Domain（ODD：運行設計領域）と呼びます。ODDは、ボードゲームのルールがどのマスに止まってよいかを教えてくれるようなものだと考えてください。しかし、ここからが厄介なところです。「どこ」で遊ぶことが許されているかを知ることは、「どのように」ゲームを進めるべきかを知ることではありません。たとえロボットが高速道路での走行を許可されていても、安全に合流する方法や、人間のドライバーに対してどのように礼儀正しく振る舞うべきか、あるいは乗客がコーヒーをこぼさないように停車する方法などを、ロボット自身は知らないかもしれないのです。

この「どこへ行くことが許されているか」と「そこへ安全に到達するために実際に何をすべきか」の間のギャップは、エンジニアにとって非常に大きな悩みの種です。もし、自動運転車が実行できなければならないすべてのことを明確にリストアップできないのであれば、どうやってその安全性を証明できるのでしょうか？どのようにテストすればよいのでしょうか？本論文はこのまさにその問題に取り組んでいます。この論文は、ロボットが必要とする具体的な運転スキルを、走行場所ごとに整理して、巨大で体系的なチェックリストを作成しようと試みています。そうすることで、ようやく「推測」をやめ、適切に「テスト」を開始できるのです。

偉大なる運転チェックリスト

Torc Roboticsで働く著者たちは、自動運転車がどこへ行けるかという優れたマップは存在する一方で、「そこで何をすべきか」という明確なマップが欠けていることに気づきました。これを解決するために、彼らは「行動タクソノミー（Behavioral Taxonomy）」を作成しました。平たく言えば、それは構造化されたスキルのリストのことです。彼らは単にランダムなリストを作ったのではなく、車が走っている道路の種類ごとに整理された、レシピ本の形式で構築しました。

彼らは運転の世界を、以下の3つの異なる「近隣地域（ネイバーフッド）」に分けました。

1. 高速道路 (HWY): 明確な車線があり、主に他の車両が走行する速い道路。
2. 都市部 (URB): 交差点、歩行者、信号機、そして予測不可能な人々が多く存在する、賑やかな通り。
3. ハブ (HUB): 倉庫や配送拠点のような、車が低速で動き、非常に特定のプライベートなルールに従って動く、特別な囲いのあるエリア。

これら3つの近隣地域全体を通じて、チームは**21の特定の行動コンピテンシー（行動能力）**を特定しました。これらは、ドライバーが習得しなければならない「技（ムーブ）」と考えてください。中には「車線を維持する」や「赤信号で止まる」といった単純なものもあります。また、「雨の中で車線を変更する」や「青信号の矢印が出ていない時に左折する」といった、複雑なダンスのようなものもあります。

すべての「技」のための4つの材料（レシピ）

ここが彼らのシステムの巧妙な点です。著者によれば、これら21の運転技のそれぞれは、同時に4つの異なる目標を満たさなければなりません。ケーキを焼いている場面を想像してください。そのケーキは、美味しいだけでなく、見た目が美しく、健康的で、かつ安価に作れるものでなければならない――それらすべてを同時に満たす必要があるのです。一つに集中しすぎると、他の要素が損なわれる可能性があります。

自動運転車にとって、これら4つの「材料」は以下の通りです。

• 安全性 (Safety): 車は衝突してはなりません。安全な距離を保ち、人にぶつからず、車体がバラバラにならない程度に激しく揺れてもいけません。
• コンプライアンス (Compliance): 車は法律（速度制限など）を守らなければならず、同時に道路上の暗黙のルール（他のドライバーに対して礼儀正しく、予測可能であることなど）も守らなければなりません。
• 快適性 (Comfort): 乗り心地はジェットコースターのようでなくてはなりません。車が急に揺れたり、急ブレーキをかけたりすると、たとえ技術的に安全であっても、乗客は気分が悪くなったり怖がったりします。
• 効率性 (Efficiency): 車は仕事を完遂する必要があります。駐車に時間がかかりすぎたり、燃料を無駄にしたり、移動できるのに列の中で立ち往生したりしてはいけません。

本論文では、最も難しい運転の技とは、これら4つの目標が互いに衝突し合うものだと主張しています。例えば、あまりにも「安全すぎる」停車の仕方は、乗り心地を悪くしたり、時間を浪費したりする可能性があります。目標は、完璧なバランスを見つけることです。

技の分解

エンジニアにとってこのリストを使いやすくするために、著者らはすべての技を2つの方向けに分類しました。

• 縦方向 (Longitudinal): 前進および後退（加速、減速）。
• 横方向 (Lateral): 左右への動き（ステアリング、車線変更）。

「前方の車に続く」のように、一つの方向だけを必要とする技もあります（速度のみ）。一方で、「車線変更」や「左折」のように、ステアリングと加減速の両方を同時に行う必要がある「両方 (Both)」の技もあります。論文では、「両方」の技は最も難しく、危険であり、最も注意深いテストを必要とすると指摘しています。

魔法の方程式：ルールをテストに変える

この論文の最もエキサイティングな部分は、このリストを使ってどのようにテストを作成するかという点です。彼らは、21の運転技の一つを取り上げ、それを特定の道路条件（例：「雨が降っている」「夜間」「歩行者が多い」など）と組み合わせると、特定のシナリオ・ファミリー (Scenario Family) が得られることに気づきました。

「車線変更」と書かれたカードを持っていると想像してください。次に、「雨」、「夜」、「交通量多」と書かれたカードの束があります。これらをシャッフルして組み合わせると、「交通量が多い夜の雨の中で、車は車線変更ができるか？」という具体的なテストが出来上がります。論文では、これらのカードを数学的に組み合わせることで、数千もの具体的なテストケースを生成する方法を提供しています。これにより、エンジニアは単に「うまくいくことを期待する」のではなく、車が安全であることを証明するために、具体的に何をテストすべきかを正確に知ることができるのです。

見落とされているピース：「ハブ」

高速道路と都市部はよく研究されていますが、本論文は大きな盲点を指摘しています。それが**「ハブ (The Hub)」**です。これは配送トラックや自動化された倉庫の世界です。著者らは、これらのエリアは大きく異なることを発見しました。ルールは単なる交通法規ではなく、倉庫のオーナーによって設定された特定のルールです。また、ここでの車は、人間への制御権の譲渡や、モードの切り替えを非常に頻繁に行う必要があります。

論文は、高速道路や都市部のためのテストは多く存在する一方で、「ハブ」のシナリオに対するテストはほとんど欠落していると示唆しています。これは大きな問題です。なぜなら、多くの企業がまさにこれらの環境で自動運転トラックを使用しようとしているからです。著者らは、これらのロボットが実際に仕事を安全に遂行できることを確認するために、この領域にもっと多くの注意を払う必要があると主張しています。

未来にとっての意味すること

この論文は、自動運転の安全性を永遠に解決したと主張しているわけではありません。代わりに、新しいツールを提示しています。それは、ロボットカーが何をすべきかを語るための、構造化され整理された方法です。21の技のチェックリストを使用し、それを現実世界の条件と組み合わせることで、私たちはようやくより優れたテストを構築し、これらの車が路上に出る準備ができていることを証明できると提案しています。

著者らは、これは議論とエンジニアリングのための出発点であり、最終的な法則ではないという点に慎重です。彼らは、「ハブ」の領域にはさらなる研究が必要であること、また、十分にテストしたと言えるかどうかを判断する方法をまだ確立する必要があることを認めています。しかし、共通の言語と明確なスキルのリストを提供することで、この論文は、自動運転の安全という混沌としたパズルを、一つひとつの「技」を解き明かすように、解決可能なものへと変えていくことを目指しています。