Adapting AUTOSAR for AI-Enabled Autonomous Driving: An Integrated Functional Safety, SOTIF, Cybersecurity, and Runtime Assurance Framework

技術要約：AI搭載型自動運転のためのAUTOSARの適応

問題提起
自動車業界は、計算集約的な自動運転（AD）機能をサポートするために、中央集中型およびゾーンコンピューティング・アーキテクチャへと移行しています。AUTOSAR Adaptive Platformは、高性能コンピューティングや機械学習（ML）に適したサービス指向の実行環境を提供しますが、それ自体がAIに対する完全な保証フレームワークを構成するものではありません。従来の決定論的なソフトウェア保証手法（ISO 26262によって標準化されているもの）と、データ依存的、確率的、かつコンテキストに敏感な学習機能コンポーネントとの間には、決定的なギャップが存在します。

現在の規格には、以下のような具体的な制限があります：

• ISO 26262は、故障による誤作動については対処していますが、システムが設計通りに動作している場合でも発生し得る性能限界（例：分布の変化、曖昧なシーン）に起因する不安全な挙動については、主にカバーしていません。
• **ISO 21448 (SOTIF)**は、機能的な不十分さを扱っていますが、これらの要求事項をAUTOSARアーキテクチャに統合するための構造化された手法を欠いています。
• サイバーセキュリティおよびアップデート規格（ISO/SAE 21434、ISO 24089）は、完全性には対処していますが、AIモデルに対してどのように保証の厳格さを割り当てるかを定義していません。
• アーキテクチャ上のギャップ： 特別の統合が行われない場合、AIアプリケーションは通常のAdaptive Applicationとして実行されることが多く、その結果、過剰な制御権限の保持、独立した監視の欠如、およびデータセット・モデル・安全目標間のトレーサビリティの不足を招くリスクがあります。

手法
本論文は、AUTOSAR Adaptive Platformとマルチ規格保証ライフサイクルを組み合わせた構造化統合アプローチである**AUTOSAR-AI 安全保証フレームワーク（AASAF）**を提案しています。この手法は、「AIは車両の挙動を提案または最適化できるが、その挙動が安全に重要なアクチュエーションに影響を与えることを許可するかどうかは、別途保証されたメカニズムが決定しなければならない」という基本的な設計原則に基づいています。

主な手法的構成要素は以下の通りです：

1. アーキテクチャの分離： 本フレームワークは、AI機能、AI保証マネージャー（AI Assurance Manager）、および**安全権限マネージャー（Safety Authority Manager）を、個別にパーティション化されたアプリケーションまたはプロセスとしてデプロイすることを義務付けています。決定論的な最小リスクマニューバ（MRM）**コントローラーは、AIモデルやその学習データから独立した、検証済みのフォールバックとして機能します。
2. AI保証マージン： 非補償的な指標（不確実性、分布外（OOD）検知、センサーの一貫性、時間的安定性、ODD遵守、リソースの健全性、および安全制約）を用いて、多次元的な運用マージン $A(t)$ を算出します。このマージンは、Nominal（通常）、Restricted（制限）、Fallback（フォールバック）の状態遷移を駆動します。
3. AI保証ティア（AAT）モデル： コンポーネントの運用権限に基づいて、AI特有のエビデンス（データガバナンス、検証、実行時制御）の厳格さを調整するための補完的なモデルを導入しています。重要な点は、AATはASIL（Automotive Safety Integrity Level）に取って代わるものではなく、それらを補完するものである点です。例えば、ASIL Dの安全目標の中に、出力が別のメカニズムによって完全に境界付けられチェックされている場合、AAT-2のAIコンポーネントが含まれることがあります。
4. 規格のマッピング： フレームワークは、保証機能を既存のAUTOSAR Adaptive Platformサービス（制御された初期化のためのExecution Management、デッドライン監視のためのPlatform Health Management、モデルの完全性のためのCryptography、モード遷移のためのState Managementなど）にマッピングしています。

主な貢献
本論文は、主に5つの貢献を提示しています：

• 規格指向の安全アーキテクチャ： ISO 26262、ISO 21448、ISO/SAE 21434、およびISO 24089を統合してAIコンポーネントをAUTOSAR Adaptive Platform上に展開するための設計。
• AI保証ティア（AAT）モデル： ASILを再定義することなく、AIのエビデンスと実行時制御に求められる厳格さを定義する分類システム（AAT-0からAAT-4）。このモデルは、運用権限、ダウンストリームのチェック、およびフォールバック能力を考慮しています。
• 権限の明示的な分離： AIが生成した推奨事項と、決定論的な制御権限の決定との間の明確なアーキテクチャ上の区別であり、誤ったモデルが無制限の制御を保持することを防ぎます。
• 実行時保証メカニズム： 不確実性モニタリング、ODD監視、安全エンベロープの強制、および検証済みフォールバック実行を組み合わせたシステム。
• トレーサビリティ構造： AIデータセット、学習済みモデル、AUTOSARマニフェスト、安全要件、検証エビデンス、およびデプロイ後のモニタリングを接続するフレームワーク。

結果および例示的な適用
本論文は実験的なデータや経験的な検証結果を提示していません。これは、本フレームワークが概念的な提案であるためです。代わりに、AIベースの車線変更機能の例示的なケーススタディを通じて、フレームワークの適用可能性を示しています。

このシナリオでは：

• AIシステム（AAT-4）は、認識および軌道計画を処理します。
• 安全権限マネージャーは、ステアリングコマンドに対して決定論的な制限を課します。
• システムは、多様なセンサー検証、OODモニタリング、および安全境界を持つ軌道チェッカーを利用します。
• 状態遷移はAUTOSAR State Managementを介して管理され、保証指標が低下した場合、システムは制限状態（Restricted state）へ移行するか、あるいは検証済みのMRM（例：制御された減速）を実行します。

本論文は、このアーキテクチャが、トレーサビリティ、干渉からの自由、サイバーセキュリティ保護、および安全な縮退（degradation）を維持しながら、AIの制御されたデプロイをサポートすると主張しています。

意義および主張
本論文は、提案されたフレームワークが、AI搭載型自動運転システムのセーフティケースに対して「技術的に防御可能な根拠」を提供すると主張しています。その意義は以下の点にあります：

• 保証のギャップを埋める： 確立されたAUTOSCARおよびISO規格のランドスケープに、AI特有のリスク管理を統合するための構造化された手法を提供します。これは、「AUTOSAR準拠の実装が、必ずしも安全なAI実装であるとは限らない」という事実に対処するものです。
• 誤分類の回避： SAEの自動運転レベルをASILやAI保証ティアと混同すること、およびアルゴリズムのアーキテクチャや精度のみに基づいてASILを割り当てることに対して、明確に警告しています。
• 運用の安全性： AIの能力と安全権限を分離することで、不確実またはドメイン外のモデルが無制限の制御を保持することを防ぎ、安全に重要なアクチュエーションが検証済みの決定論的なカーネルの監視下にあることを保証します。

著者は、AI保証ティアは概念的なカテゴリであり、まだAUTOSAR、ISO、SAE、またはUNECEによって標準化されていないことを謙虚に述べています。また、定量的な較正には、産業界のケーススタディを通じた将来の経験的検証が必要であること、およびデータセットの十分性の測定、標準化された不確実性インターフェース、および大規模ニューラルネットワークの検証に関するさらなる研究が必要であることを認めています。