位置推定の不確かさ下での自動運転のための信念空間残差リスク

自動運転システムの安全性評価において、残差リスク指標は近年導入され、主に知覚誤差や遅延の影響を測定するために使用されてきた。残差リスクは、知覚誤差や遅延が存在する状況下で、システムの実際の挙動と期待される挙動との差から生じるリスクとして定義される。しかし、既存の手法は通常、自己車両の位置姿勢（ポーズ）が決定論的に既知であると仮定し、周囲物体の知覚誤差やレイテンシに焦点を当てている。実際には、特に複雑な都市環境や悪天候下では、自動運転車は大きな位置推定の不確かさの下で動作する。例えば、GPS信号の遮蔽やマルチパス効果、IMUのドリフト、地図マッチングの誤差などにより、自己位置と姿勢の推定に誤差が生じる。これらの位置推定の不確かさは、衝突リスクの計算精度に直接影響を与える。この問題に対処するため、Nijinshan Karunainayagamらの研究グループは、空間残差リスクの定式化を信念空間に拡張し、自己ポーズの不確かさをガウス分布として陽にモデル化する手法を提案した。残差リスクは、自己ポーズの信念分布上の期待劣化リスクとして再定義される。具体的には、粒子フィルタに基づくリスク推定フレームワークを採用し、自己と対象物の不確かさの共分散融合を通じて衝突確率の計算に位置推定の不確かさを組み込む。粒子フィルタは自己ポーズの事後分布を近似し、重要度サンプリングにより期待リスクを計算する。従来の決定論的仮定と比較して、この信念空間アプローチは実際の動作における安全余裕をより現実的に反映し、不確かさが大きい場合のリスクの楽観的推定を回避する。本研究はIEEE Intelligent Transportation Systems Conference（ITSC）2026に採択されており、全文7ページで、最終版はIEEE Xploreで公開される予定である。この研究は、位置不確かさの下での自動運転システムの安全性評価に新しい視点を提供し、特に複雑な都市道路や悪天候などの困難なシナリオに適用可能である。将来的には、知覚不確かさのモデリングと組み合わせることで、自動運転の安全検証体系をさらに強化することが期待される。本研究成果は理論的意義だけでなく、実際のシステムにおけるリスク定量化のための実用的な枠組みも提供する。