自動運転レーシング向けの経路計画・制御手法を提案　Superformula EAV-25で検証

何が起きたか

arxiv.orgは2026-09-11、Driving Context-guided Model Predictive Planning and Control for Autonomous Car Racing at the Limit and Beyondを公開した。論文は、走行文脈に応じて追い越し、通常走行、カウンターステアリングを切り替えられるModel Predictive Controlベースの経路計画・制御パイプラインを提案している。完全自律のオープンホイール・レースカーSuperformula EAV-25で検証し、最良の人間ドライバーの参照値から2%以内のラップタイムを達成したとしている。

詳細

提案手法では、Cost Blending state machineが異なる driving contexts の識別と、Model Predictive Planning（MPP）およびModel Predictive Control（MPC）モジュールに適用する重みの選択を担う。MPPとMPCは同じ問題定式化とモデルを共有しつつ、予測ホライズンの長さ、レート、チューニング、さらに open-loop か closed-loop かの違いで役割を分けている。 論文は、限界域での走行、追い越し動作の滑らかな実行、高いオーバーステア状態からの迅速な回復による車両安定性の再確保が可能だとしている。検証車両はSuperformula EAV-25である。

Key Facts

本紙の見方

この論文の新しさは、単なるMPCの採用ではなく、走行文脈を判別するCost Blending state machineを前段に置き、MPPとMPCの重み付けを切り替える構成にある。つまり、制御器の性能を単体で引き上げる話ではなく、追い越し、通常走行、カウンターステアリングという競技走行の局面ごとに、同一の問題定式化とモデルを使い分ける設計である。ここで主役はレース車両の高速走行を安定化させる計算系であり、車体側の新規ハードウェアよりも、制御ロジックの切り分けと統合に重心がある。 検証車両が完全自律のオープンホイール・レースカーSuperformula EAV-25である点は重要だ。2%以内という結果は、一般道路の自動運転よりもはるかに限界域に近い条件での評価であり、単純な巡航制御ではなく、高オーバーステアからの回復や追い越し時の挙動まで含めて見ている。したがって、この研究は「速く走る自動運転」ではなく、「限界域で破綻しにくい自律走行制御」をどこまでモデルベースで実現できるかを示す事例と読める。 本紙の観点では、MPPとMPCを同じモデルでつなぎながら、ホライズン長や open-loop / closed-loop の差分で役割分担する設計が、実装上の焦点になる。これは、学習済み方策の一発推論よりも、状態推定・重み切替・軌道最適化の整合性が性能を左右することを示唆する。一方で、論文要旨だけでは、各走行文脈の切替条件、計算負荷、実車での再現性、他コース条件への一般化は読み取れない。次に確認すべきは、どの速度域・路面条件・タイヤ条件でこの2%以内が成立したのか、また制御パラメータの変更にどこまで頑健かである。

なぜ重要か

発表元であるarxiv.orgの要旨が示す範囲では、この手法は追い越しや高オーバーステアからの回復を含む自律レース走行に対応する。限界域での挙動を制御ロジックで扱えるかどうかは、実車テストの難しさが高い領域の評価手法として意味を持つ。

日本への影響

日本の自動車・モータースポーツ系の自律走行研究では、Superformula EAV-25のようなオープンホイール車両での限界域制御が焦点になり得る。特に、MPCと文脈判定を組み合わせた構成は、タイヤ特性や車両挙動のモデル化が効く領域で検討対象になりやすい。