自動運転システムのためのスケーラブルな分散シミュレーションベーステスト

本論文は、自動運転システム（ADS）と高度道路交通システム（ITS）の検証のための、スケーラブルな分散シミュレーションベーステストフレームワークを提案している。CARLAベースのシナリオテストを、軽量なKubernetesクラスタ上で自動的にビルド、デプロイ、分散実行するエンドツーエンドのDevOps駆動型フレームワークである。ROS 2アプリケーションを標準化されたKubernetes Helmチャートとしてパッケージ化し、動的なHelmfileマニフェストでシミュレーション環境を宣言的に構成する。Argo Workflowsを用いて分散テストワークフローを実装し、環境のプロビジョニング、OpenSCENARIOテストケースの集約とバッチ処理、クラスタノードでの並列実行、ログとリソースメトリクスの収集を行う。

従来のシナリオベーステストは、大規模なテストスイートの実行が労働集約的でスケールが難しいという課題があった。本フレームワークは、DevOpsプラクティスとコンテナオーケストレーションを統合し、テスト実行の自動化と並列化を実現することで、この課題に対処している。特に、KubernetesとHelmを活用した宣言的な環境構成と、Argo Workflowsによるワークフロー自動化により、手動介入を減らし、スケーラビリティを向上させている点が新しい。

手法の核は、コンテナ化とオーケストレーションによるテストの自動化と並列化である。具体的には、ROS 2アプリケーションをHelmチャートとしてパッケージ化し、Helmfileで動的にシミュレーション環境を構成する。Argo Workflowsがワークフローを管理し、OpenSCENARIOテストケースをバッチ処理してクラスタノードに分散実行する。また、ログとリソースメトリクスの収集も自動化されている。

マルチノードK3sクラスタ上で200シナリオを実行し、最適な構成ではシーケンシャルベースラインと比較してエンドツーエンドのワークフロー時間を8倍以上短縮できることを示した。また、並列性、オーケストレーションオーバーヘッド、クラスタ安定性の間のトレードオフを定量化した。さらに、実際のADSテストアプリケーションで、シナリオソースや下流の評価モジュールとの接続を実証した。

要旨からは、並列性とオーケストレーションオーバーヘッドのトレードオフやクラスタ安定性に関する議論が示唆されているが、具体的な詳細は不明。また、フレームワークが安全議論をサポートするためのトレーサブルな証拠を生成できると述べているが、その具体的な方法や限界については要旨からは不明。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、CARLAシミュレータ、OpenSCENARIO、Kubernetes、Argo Workflows、ROS 2に関する論文や、シナリオベーステストの手法に関する論文が挙げられる。