Intel所属の企業であるMobileyeは自動化技術のリーダーとして、世界で最も大きいADAS(advanced driver assistance systems)用カメラ供給企業である。自動車の自動化分野での数年間の成功経験とADASから完全自律走行技術に進化させた経験を元に、Shashua教授と彼の同僚であるShai Shalev-Shwartzは無人自律走行車で事故が発生ししたときの責任と非難についた質問に確実性をもたらすことができる数式を開発、公開した。この数式はソウルで開かれた世界知識フォーラム(World Knowledge Forum)で発表された。
これらが開発した責任敏感性安全モデル(Responsibility Sensitive Safety model:以下RSSモデル)は責任と注意に関した人間的概念の具体的で測定可能なパラメータを提供する。また、他の車両の動きに関係なく自律走行車が事故の原因となることができない「安全状態(Safe State)」を定義する。そして自律走行車の安全性を検証することにあって、自律走行車に要求される高いレベルの安全要求を証明するためには現在の経験と統計に基づいては現実的に不可能であり、これを解決する方法としてはモデル基盤の証明方法を導入・適用する必要があると強調した。
▲Amnon Shashua Mobileye CEO
Intelの副社長兼MobileyeのCEOであるAmnon Shashuaは自律走行車を開発するプロジェクトから大量生産に移す過程で経験することになる困難についた根本的な問題として安全性の確保と経済的拡張性の側面を指摘した。そして大量生産の段階に行くためには社会に「安全性」の定義を明確にし、この安定性の確保のための方策を提示できなければならず、経済的拡張性の面では自律走行車を世界のどこでも利用できるようにしなければならないし、そのため経済的拡張性や政府のインセンティブなどの政策も考慮しなければならないし、これは自律走行車を一つの産業界に作るために必要であると付け加えた。
自律走行車の安全性に対した問題は2つの要件が相反する姿を見せている。まず、自律走行車は人と同じように周囲の状況に応じて周囲と「交渉」することを望み、あまりに保守的な原則通りに運行されるのは望まないという点が指摘された。例えば他の道と合わさる場合や交通渋滞が激しい状況で自律走行車のせいで道が混むのは望まなく、人と同じレベルで状況を通ることは望むが、人のように事故を起こすことは望ましくないというものだ。
また、自律走行車として事故が全くないことはできず、少しの事故は容認するほどで期待レベルを下げることはあるが、この事故についての責任所在の究明も必要である。もし自律走行車の事故のとき、自動車業界が責任を負うという状況であれば、自律走行車での移動動力が低下するかもしれないからである。そしてこれまで自動車の安全性はハードウェアとシステムの整合性レベルで扱われたが、自律走行車の場合、他の次元での議論が必要であると指摘した。自律走行車は高いレベルの意思決定とセンシングが必要であり、意思決定の状況でのエラーとセンシングエラーなどについて検討が必要となる。
▲現在の統計的手法で自律走行車に期待される安全性を検証するには対価があまりにも大きい
現在車両の安全性の検証は統計ベースで行われ、数百万キロの走行で事故がなければ信頼性を認める経験的の方法でシステムの成熟性を検証している。しかし自律走行車においてこういう方法は誤ったものであり、これを続けて利用する場合自律走行車は社会に受け入れられず今後消えるかもしれないと指摘した。そして、従来の方法で自律走行車を検証するときの最大の矛盾では、人が既存の車両と自律走行車に期待する安全への期待統計数値を挙げた。
例えば、現在米国での交通事故による死亡者は年間35,000人程度に集計されているが、自律走行車の導入でも年間35,000人が死ぬ水準とすれば自律走行車は社会に受け入れられない。車両とコンピュータの問題で人が死ぬのは社会的に容認されにくく、これ自律走行車による死亡者の数が社会に容認されるようにするには、非常に高いレベルの達成が必要だが、この場では1000倍程度改善して年間35人程度、航空機のレベルにまで達すると容認されることができると紹介された。
そしてこのような数値を従来の方法で証明するためには、自律走行車が時間当たり30km程度を走行すると仮定した場合、300億kmを走行すれば達成することができるようになる。この走行距離だけでも非現実的であるが、走行中のデータ収集と分析の面でも時間当たりに5TBのデータを生成する自律走行車は500万PBの容量を必要となり、300億kmの走行距離のために台当たり10万ドルの車を400万台の規模で一日20時間ずつ1年間走行する場合の車両費用とテストドライバーのための費用などを考えると費用面でも非現実的な方法になると指摘した。
▲RSSモデルは自律走行車の責任所在についてもう少し明確な検証案を提示する
このように自律走行車の安全性検証においてデータベースの従来の方法は現実的に困難があるが、これを克服する代案としては「モデル」に基づく検証方法が挙げられており、これにより状況につき解釈して説明できるようになると紹介された。またこれは「完全な安全性」を保証できないという点を前提にするが、四方が車両に囲まれた場合のように制御ができない要因に囲まれた状況では事故を避けることができないからであり、事故調査の目的は通常責任所在を隠すためだと付け加えた。
責任敏感安全モデル(Responsibility Sensitive Safety model)は責任と注意についた人間的概念の具体的で測定可能なパラメータを提供する。また、他の車両の動きに関係なく自律走行車が事故の原因となることができない「安全状態(Safe State)」を定義する。そしてこのモデルの開発時に責任所在になるような規則についての常識に基づいた規則を事前に定義することになり、この部分で責任所在の詳細な定義とモデルの構築のために部分は規制当局と協議していく必要があると明らかにした。このRSSモデルベースで自動車は安全状態の中でのみ移動するように行動を制御し、これによって自律走行車の事故の責任なく安全な走行を実現することができるようになる。
この「安全状態」は車両が速度と道路状況、周辺車両の速度などを把握して安全維持距離を算出し、これに前の車が急停車した場合でも理由にかかわらず距離を維持して事故なく走行を可能にする。そしてこの「安全距離」を現在はかなり保守的に設定しているが、実質的にはこれよりも引くこともできるが、自律走行車の場合周辺環境の変化に迅速に反応が可能であり、安全距離は数百メートルではなく5.5m程度で前の車の急停車状況でも事故を避けることができると紹介した。
▲かなり複雑な状況で人と同じような行動を見せながらも安全を確保するのが特徴である
このRSSモデルは自律走行シナリオをより複雑な状況に拡張する場合にも適用可能であり、規則について当局との交渉が可能で、数学的な方法で正確に責任所在を究明する方法を確立することができると紹介された。また、双方向の走行や信号待ちなどの状況にもすべて対応可能であり、総合的な関連モデルを通じて道路でぶつかるすべての状況への対応が可能になると述べた。一方、安全状態の定義と自律走行車がこれを維持するようにして、時には攻撃的な性向などで人のように運行するなどの状況では自律走行車が事故の原因とされないようにするパラメータについては規制当局と議論する必要があると付け加えた。
結論的にRSSモデルは経験的モデルやシミュレータとは違って、安全性を保証するためのモデルとして紹介された。そして、この部分は規制当局と議論する必要があり、車両の認証部分も議論が必要だと述べた。また、RSSモデルの導入は特定のメーカーのみの特典があるのではなく、自律走行車に関する業界のみんなに役立ち、自律走行車の大量生産段階に行くことができるように助けると強調した。一方、このモデルはみんなに公開されたモデルになるだろうし、業界全体の規制当局が一緒に参加し生態系の両方に役立つ方法でなければならないという点も付け加えた。
Copyright ⓒ Acrofan All Right Reserved