SIREN-Bench: 行動駆動型の緊急車両インタラクション生成と評価

SIREN-Benchは、緊急車両（EMV）と一般車両の相互作用を生成・評価するための行動駆動型ベンチマークである。SUMOとCARLAを連携させた共シミュレーションプラットフォームSIRENを基盤とし、EMVの特権や一般車両の反応を行動レベルで制御できる。SIREN-Bench-v1として、緊急レベルL1〜L3にわたる7つのパラメータ化された相互作用テンプレートと3つの行動ファミリーを提供し、同期されたセンサ観測とシミュレータネイティブなグラウンドトゥルースを備える。3D物体検出、軌道予測、視覚言語リスク理解の3つの代表的なタスクを通じて、行動依存の失敗モードを明らかにする。

既存のデータセットやシミュレーションベンチマークは、EMVの特権と一般車両の反応の両方を行動レベルで制御すること、および一貫したセンシングとグラウンドトゥルースを提供することを直接組み合わせていない。SIRENは、SUMOのネットワークレベルの交通進化と行動ロジックをCARLAの連続車両制御と同期オンボードセンシングに結合することで、この組み合わせを初めて提供する。また、行動に応じて制御をSUMO、CARLA、または両者で分担する点が独自である。

手法の核心は、SUMOとCARLAの共シミュレーションを行動駆動で統合することにある。SUMOがネットワークレベルの交通流と行動ロジックを担当し、CARLAが連続的な車両制御とセンシングを提供する。アクティブな行動に応じて、相互作用の制御がSUMO、CARLA、または両者によって行われる。これにより、EMVの特権（例：信号無視、優先通行）と一般車両の反応（例：退避、車線変更）を柔軟に設定できる。SIREN-Bench-v1は、このプラットフォームを具体化し、パラメータ化されたテンプレートと行動ファミリーを提供する。

ベンチマークの有効性は、3つの代表的なタスク（3D物体検出、軌道予測、視覚言語リスク理解）を通じて検証された。9つの軌道予測モデル、4つのLiDARベース検出器、5つの視覚言語モデルを評価し、行動依存の失敗モードを明らかにした。具体的には、交通クリアランス相互作用が検出に最も困難であり、特権的交差点通過が予測に最も困難であること、学習された予測器は平均的に等速度参照を上回らないこと、視覚言語モデルは通常交通では良好だがニアミスや衝突イベントでは性能が大幅に低下することが示された。

議論としては、行動中心のベンチマークの価値が強調される一方で、学習された予測器が等速度参照を平均的に上回らないという結果は、既存の予測手法の限界を示唆している。また、視覚言語モデルがニアミスや衝突イベントで性能が低下することは、リスク理解の難しさを浮き彫りにする。さらに、SIRENの拡張性や、より多様な行動テンプレートの追加可能性についての議論が考えられるが、要旨からは具体的な限界や批判は不明である。

要旨で参照されている関連研究として、SUMOとCARLAの共シミュレーションに関する既存研究、緊急車両の相互作用を扱うデータセットやベンチマーク（例：Interaction Dataset、nuScenesなど）が挙げられる。また、軌道予測や3D物体検出のベースラインとして用いられたモデル（例：Constant Velocity、LiDAR-based detectors）も関連する。具体的な論文名は要旨に明記されていないため、同分野の定番であるCARLAシミュレータやSUMOのドキュメント、および行動予測のベンチマーク（例：Waymo Open Dataset）を次に読むことが推奨される。