自動運転のモーションプランニングアルゴリズムは、人間が参加する環境で評価されるべきであり、これにより対話中に安全で効率的な行動が生成されることを保証できます。しかし、既存のシミュレーションプラットフォームの多くは記録済みデータセットに依存しており、リアルタイムの人間相互作用のための専用インターフェースを欠くか、自動運転エコシステムとの統合が弱いままです。さらに、多くのヒューマン・イン・ザ・ループシミュレータは設計上計算負荷が高く、初期段階の自動運転研究における迅速なプロトタイピングや柔軟な実験には適していません。
これらの制限に対処するため、Yunfei BiらはCommonRoad-Gameを提案しています。これはCommonRoadプラットフォームと緊密に統合された軽量なヒューマン・イン・ザ・ループシミュレーションフレームワークであり、人間の参加を得たモーションプランナーの系統的なテストと、対話シナリオにおける人間の運転行動の分析に焦点を当てています。
CommonRoad-Gameの核心的な革新は、そのマルチスレッドアーキテクチャと堅牢な同期メカニズムにあります。このメカニズムはシミュレーション時間を実時間（ウォールクロック時間）に合わせることで、自動運転車両と人間が運転する車両の間で決定的かつ時間的に一貫した相互作用を可能にします。この設計により実験の再現性が保証され、人間参加者の操作がシミュレーションにリアルタイムで反映されます。
同期メカニズムに加えて、フレームワークはシナリオ生成モジュールも提供します。このモジュールは運転ログを記録し、ヒューマン・イン・ザ・ループ実験のデータを利用して多様で再現可能なテストケースを構築します。これにより研究者は、実際の相互作用からテストシナリオを自動生成でき、その後の系統的な評価に役立ちます。
実験結果は、CommonRoad-Gameが安定した時間同期を実現し、スケーラブルなマルチエージェントシミュレーションをサポートし、CommonRoad互換のモーションプランナーをシームレスに統合して対話型運転シナリオを生成することを示しています。これらの特性により、初期段階の自動運転研究における迅速な反復と柔軟な実験に適しています。
本論文の著者はYunfei Biらであり、15ページ、18図、2表からなり、ソースコードはGitHubで公開されています。論文はロボティクス（cs.RO）分野に属し、2026年7月1日にarXivに投稿されました。