断片化されたツール、遅延する KPI、限定的なロングテール対応が、アクティブセーフティおよび ADAS プログラムの進展を阻害しています。本ブログ記事では、Applied Development Platform (ADP) が単一環境でデータ・シミュレーション・トリアージを統合する方法、ならびに当社の SDS チームが OEM やティア1サプライヤーが導入可能な同一の生産プラットフォームを活用する手法について解説します。
Applied Intuition のアクティブ セーフティおよび SDS (Self-Driving System) チームは、システム複雑性の増加、長期的な極端なケース、そして厳しいスケジュールの中で強化された規制など、顧客企業が直面している同様の課題に直面しており、これらに対応するために当社は自社開発ツールを活用しています。
このブログでは、従来のアクティブ セーフティ開発がなぜ遅く断片化していたのか、ADP (Applied Development Platform) がこれをどう変革するのか、そして当社の SDS チームがこのプラットフォームをどのように活用しているのかについて説明します。
Euro NCAP 2026 は、より高い速度、夜間条件、より複雑な交差点、脆弱な道路利用者シナリオで衝突回避テストを拡大します。物理的な試験場は依然として重要ですが、路上走行テストだけでこれらすべてをカバーすることは非現実的です。したがって、これを実現するには統合されたシミュレーションおよびデータ プラットフォームが不可欠です。
多くの自動緊急ブレーキ (AEB) および車線維持支援(LKA) プログラムは、断片化されたツールと引き継ぎプロセスに依存しています。
その影響は測定可能です。
ある都市型公共交通プログラムにおける実地テストキャンペーンでは、低速 AEB が歩行者を確実に回避することが示されました。しかし、非常に遅い歩行者 (歩行補助具使用者に類似した約0.5m/s) を対象とした後続のシミュレーションでは、シャトルが全く制動しない事実が明らかになりました。根本原因の分析はチームとツールに分散され、単一エンジニアのワークステーションで実施されました。数週間を要した末、認識システムが極めて低速な歩行者を静的障害物と分類した問題に起因することが判明しました。プログラムが分散化され、ローカルで実行されるツールに依存する場合、このような数週間に及ぶ検証ループは頻繁に発生します。
ほとんどのチームは開発を導くために KPI を望みますが、大規模データセットに対する最新の指標は稀です。
その結果、洞察が遅延し、データ収集は非効率的になります。
例えば、スウェーデンの冬季テストやオーストラリアの高温環境キャンペーンは数ヶ月前から計画され数週間実施されますが、分析はキャンペーン終了後に開始される場合があります。データ収集を集中させられた重要な発見が遅すぎて導き出され、追加出張の必要性とプログラム遅延が数ヶ月発生します。
AEB において、数千運転時間あたりの誤作動は主要な KPI です。目標値が 0 に近づくほど全てのイベントを分類する必要があり、新たなスタックリリースごとに代表的な運用設計領域 (ODD) データセットを基準に検証しなければなりません。分散型ツールでこれを実行することは、即座に主要な運用負担につながります。
問題が検出されると、チームはしばしば次のような分類作業を行います。
その結果、問題解決が遅くなり、エラーが発生しやすくなり、知識の継続性が低下します。
オープンな再シミュレーションによる AEB 誤検知のモニタリングが代表的な事例です。チームは、走行データの収集、取り込み、大規模な再シミュレーション、KPI の計算、分類、回帰検証のプロセスを、多くの場合、排他的なレガシーシステムをまたいで連携させる必要があります。エンジニアはコアスタックの開発と承認に集中するよりも、複雑なインフラ運用に縛られることになります。
道路およびトラックテストでは、頻度は低いものの安全上致命的となるシナリオを扱うことが困難です。
純粋な道路環境では、ムースのような大型動物の検知検証は困難です。接触頻度が低く、行動が多様で、条件が変化するためです。シミュレーションは、動物の行動、天候、交通を体系的に変化させることでこれらのギャップに対処できます。特に、現実世界の事象やニアミスを再利用可能なパラメータ化されたシナリオに変換できる場合に有用です。
ADP (Applied Development Platform) は、データ、KPI、トリアージ、シミュレーションを単一プラットフォームに統合し、アクティブ セーフティ チームがツールの連携に時間を浪費せず、スタックの改善に集中できるようにします。
ADP は単一環境で上位の性能指標と下位のセンサーデータを接続します。
内部的に ADP を活用し、様々なシナリオとスタックバージョンにわたる NCAP 2026 AEB 効果性を監視し、大規模な実データセットに対するオープンループ再シミュレーションを通じて AEB 誤検知率を追跡します。これらのワークフローを単一プラットフォームで実行することで、KPI と基盤データビューを時間経過とともに一貫性と比較可能性を保ちます。
ADP は、任意の調査ではなく、構造化された分類フローを実装します。
これにより重複作業が減り、トリアージがより予測可能になり、関連するシーンのライブラリが構築されます。AEB 誤検知モニタリングの場合、ADP は記録された大規模トラフィックログコレクションを処理し、ログ再生モードで AEB スタックを再シミュレートし、シナリオメタデータ、センサーデータ、KPI 寄与度など全体コンテキストと共に各活性化事例を自動露出することで効率的なトライジを支援します。
ADP はシミュレーションを実際の現場発見事項と直接結びつけます。
このループは KPI モニタリングやトリアージと同じプラットフォーム上で実行されるため、シミュレーションは独立した単発作業ではありません。例えば、冬季のムース検知ニアミス事故は、次の実路テストキャンペーン前に様々な速度、照明、気象条件で再現されるシナリオテンプレートとなり得ます。
閉ループ再シミュレーションによるAEB制動挙動の検証
Applied Intuition の SDS チームは、独自のアクティブセーフティ機能を開発するために毎日 ADP を使用し、プラットフォームの内部顧客としての役割を果たしています。
顧客に提供するのと同じ生産用 ADP プラットフォーム上で SDS を運用します。別途の内部プロトタイプスタックは存在しません。実際には二つの主要な設定を使用しています。
両環境は同一の UI とワークフローを共有するため、エンジニアは迅速なローカル実験から大規模評価へシームレスに移行でき、高頻度開発サイクルを支援します。エンジニアが依存するデータ収集、KPI 計算、トリアージ、シミュレーションといった同一機能群が OEM および Tier 1 サプライヤーにも提供されます。これは多くのツールが主にデモや単発プロジェクト向けに構築される分野では珍しい事例です。
AEB 開発ワークフローがこれをどのように実現するかを示します。
ローカルテストから大規模な再シミュレーション、KPI レビュー、トリアージに至るまで、このループは主に ADP を通じて実行されるため、SDS エンジニアはすべての意味のある変更について迅速かつ一貫したフィードバックを得られます。これはまた、SDS 作業によるすべての改善点 (例：強化されたコラボレーションやより効率的なNCAP ワークフロー) が、同じプラットフォームを使用する顧客チームに即座に提供されることを意味します。
アクティブ セーフティまたは ADAS システムを構築中で、検証ループの遅延、KPI のギャップ、トリアージのボトルネック、ロングテールカバレッジなどの課題を抱えているなら、ADP がどのように役立つか詳しくご覧ください。
当社の SDS チームがプラットフォームを活用する方法を確認し、同様のワークフローが御社の開発および検証プロセスにどのように適用できるかご覧いただけます。
ツール中心のワークフローと大規模なアクティブセーフティ開発に情熱を持つエンジニアの方、技術的限界を超えることに意欲的な方々との対話を常に歓迎します。