MARLによる自動運転車と歩行者の共訓練、衝突率を低減 論文発表

何が起きたか

arxiv.orgに掲載された論文（2026年5月18日付）で、自動運転車（SDC）と12人の歩行者をMulti-Agent Proximal Policy Optimization（MAPPO）を用いて共訓練する手法が提案された。500エピソードの評価では、共訓練したSDCは目標到達率78%、衝突率14%を達成し、最良のルールベースのベースライン（35%/33%）を上回った。

詳細

論文では、歩行者の横断行動の不確実性を考慮するため、歩行者の移動はスクリプト化されたDijkstra経路探索に従い、RLポリシーが高レベルのgo/wait決定を制御する。Jaywalking（信号無視の横断）の確率は、エピソード開始時にサンプリングされSDCからは隠された歩行者ごとの特性に依存する。共訓練により、単一エージェントRLと比較して衝突が30%減少し、歩行者はSDCが高速で接近すると待つことを学習した。

Key Facts

本紙の見方

本論文の新規性は、歩行者の行動不確実性を明示的にモデル化し、SDCと歩行者を同時に訓練する点にある。従来のスクリプト化された歩行者モデルでは、現実の多様な横断行動を再現できず、安全性評価の限界があった。共訓練により、歩行者がSDCの速度に応じて待つ行動を学習し、衝突率が低下したことは、MARLがより現実的な相互作用シナリオを生成できることを示唆する。 業界への含意として、自動運転の安全性検証において、シミュレーション環境の現実性が重要であることが再確認される。特に、Jaywalkingのような予測不能な行動が衝突の大部分を占めることから、こうしたシナリオをシミュレーションで再現することが、実世界での安全性向上に寄与する可能性がある。 未確定の論点としては、提案手法が実車両や実道路環境でどの程度有効か、また歩行者モデルの多様性がさらに増した場合のスケーラビリティが挙げられる。さらに、共訓練によって生成されたシナリオが実際の交通状況をどの程度反映しているか、定量的な検証が今後必要となる。

なぜ重要か

この研究は、自動運転車の安全性評価におけるシミュレーションの限界を克服する可能性を示す。歩行者の不確実性を考慮した共訓練は、より現実的なテストシナリオを提供し、自動運転システムの実用化に向けた信頼性向上に寄与するとみられる。