トップ
ぷれにゅー
IPG Automotive、生成AI活用した自動運転開発向けシミュレーションフレームワークの仕様策定完了

IPG Automotive、生成AI活用した自動運転開発向けシミュレーションフレームワークの仕様策定完了

記事提供元: ぷれにゅー
公開済み: 2026-06-05 // 更新済み: 2026-06-05

IPG Automotiveが、大規模イノベーション推進プロジェクト「NXT GEN AI METHODS（nxtAIM）」の一環として、生成AIを活用した自動運転システムの開発・検証向けシミュレーションフレームワークの仕様策定を完了しました。

概要

IPG Automotiveは、大規模イノベーション推進プロジェクト「NXT GEN AI METHODS（nxtAIM）」において、生成AIを活用した自動運転システムの開発・検証向けシミュレーションフレームワークの仕様策定を完了しました。本フレームワークは、生成型軌跡計画アルゴリズムの検証と大規模合成データの生成を統一環境で実現し、次世代自動運転技術の開発を加速させます。
プロジェクト概要：nxtAIMは2024年初頭に開始された3年間の共同プロジェクトで、自動車業界の20以上の組織が参画しています。
フレームワーク基盤：IPG Automotiveの車両シミュレーションソフトウェア「CarMaker」
主なユースケース：オープンループ学習による大規模合成データ生成、クローズドループシミュレーションによる生成型軌跡計画の検証
詳細URL：nxtaim.de

nxtAIMプロジェクトにおけるIPG Automotiveの役割

nxtAIMプロジェクトは、自動運転システムの認識、予測、計画機能における生成AIの活用を推進しています。IPG Automotiveは、このコンソーシアムにおいて、生成型軌跡計画の検証・評価向けシミュレーションフレームワークの開発を担当し、スケーラブルで信頼性の高いAIモデル開発の基盤を提供しています。

フレームワークの2つの主要ユースケース

本フレームワークはIPG Automotiveの車両シミュレーションソフトウェア「CarMaker」を基盤として構築されており、コンソーシアムのすべてのパートナーが統一環境で生成型シナリオモデル、軌跡予測・計画アルゴリズムを開発・評価することが可能です。

ユースケース1：オープンループ学習による大規模合成データ生成

AIモデルの効果的な訓練には、大量の高品質データが不可欠です。本シミュレーションフレームワークは、Waymo スタイルの抽象環境表現を含む大規模な合成データセットを生成することで、この課題に対応します。これには、交通参加者の位置情報、地図情報、信号制御ロジックが含まれます。データはセンサー構成に依存せず、パートナー企業のPythonベースツールチェーンに容易に統合可能です。シミュレーション中、関連するすべての変数が記録され、TFRecordファイルとしてエクスポートされ、広く使用されている機械学習ワークフローとの互換性が確保されます。レアケースや安全性が重要なエッジケースを含む様々なシナリオタイプにより、軌跡予測モデルに対する意味のある訓練機会が保証されます。
図1. 軌跡予測モデルのオープンループ学習向けWOMD形式での CarMakerデータセット生成フロー: https://newscast.jp/attachments/SCFt4Xc3YYHaPNDXfs85.png

ユースケース2：クローズドループシミュレーションによる生成型軌跡計画の検証

2番目のユースケースは、軌跡計画の生成モデルの検証に焦点を当てています。オープンループワークフローとは異なり、このセットアップでは環境が自動運転車に動的に応答するため、シミュレーションの各ステップで生成された軌跡を継続的に再評価することが可能です。同じ入力に対して常に同じ結果が得られることを保証する、つまり厳密な再現性を確保することは、ロバストなアルゴリズムの開発に不可欠な要素です。ギャップ分析により、CarMakerは既にWaymo互換シナリオ構造をサポートするために必要なほとんどのデータを提供していることが確認されており、コンソーシアム全体での統合が簡略化されます。
図2. 生成型軌道プランナをCarMakerシミュレーションに統合し、リアルタイムで環境情報と計画軌道をやり取りするクローズドループテスト: https://newscast.jp/attachments/uIcsZB1XUIbTb9EH5Duz.png

モダン、スケーラブル、産業展開対応

長期的な適応性を確保するため、本フレームワークは完全なコンテナ化により実装されており、プラットフォーム独立性と容易なスケーラビリティを実現します。これは、大規模データセット生成と高度な生成モデル統合の両面で重要です。このアプローチは、生成手法を通じたスケーラブル、転用可能、追跡可能なAIシステム実現というnxtAIMの広範なビジョンと密接に整合しています。
図3. WOMD形式での環境表現（上段）とCarMakerシミュレーション画面（下段）の対応。道路標示・レーン(黒)、自車(濃い青)と視野範囲(緑)、他車両(薄い青)を表示: https://newscast.jp/attachments/U8tcL78LSCrtirhHP8y4.png
図4．ダミー正弦波軌道プランナによるクローズドループ統合テスト上段：WOMD形式での環境表現、下段：CarMakerシミュレーション画面。計画軌道(青)、目標点履歴(黄)、車両中心点履歴(緑)を可視化: https://newscast.jp/attachments/hTL57XlUaiI0DCNRKT1y.png

今後の展開

定義されたフレームワークは、プロジェクトにおける生成的交通シナリオと計画アルゴリズムの訓練、検証、スケーリングのための、堅牢で標準化された、将来的に利用可能な基盤を実現します。nxtAIMの生成的モデリングにおけるクロスパートナーでの取り組みを補完することで、IPG Automotiveは将来に備えたシミュレーションのエコシステムと、より高度な自動運転機能の実現を支援します。

まとめ

IPG Automotiveは、nxtAIMプロジェクトの一環として、生成AIを活用した自動運転システムの開発・検証向けシミュレーションフレームワークの仕様策定を完了しました。このフレームワークは、大規模合成データ生成と生成型軌跡計画の検証を統一環境で実現し、次世代自動運転技術の開発を加速させます。