30秒サマリー
- LLMとRAGを組み合わせた「Chat2Scenic」が自動運転シミュレーション用スクリプトを自動生成
- コンパイル成功率76.42%・フレームワーク精度58.17%と、既存手法を大幅に上回る性能を実証
- NHTSA等123シナリオのオープンベンチマークとソースコードを公開、研究加速に貢献
何が起きたか
2026年7月15日、Yuan Gaoら6名の研究チームはarXivに論文「Chat2Scenic」を公開し、同論文は2026年IEEE国際知能ロボットシステム会議（IROS）への採択が確認されている。
Chat2Scenicは、自動運転システムの検証に必要な多様なテストシナリオを、規制文書から自動的に実行可能なスクリプト（ドメイン固有言語＝DSL形式）として生成するフレームワークである。チャットボットインターフェースを通じてユーザーがシナリオを対話的に修正できる点が特徴で、検索拡張生成（RAG）により規制知識とDSL構文を参照しながらスクリプトを生成する仕組みを採用した。
評価では、米国道路交通安全局（NHTSA）や国連車両規制など複数の規制文書から抽出した123シナリオからなるオープンベンチマークを新たに整備。最新LLMを用いた検証の結果、コンパイル成功率（CSR）76.42%・フレームワーク精度（FA）58.17%を達成した。比較対象となった既存手法「Retrieval Assemble」はCSR 30.08%・FA 11.03%、「Retrieval Full Script Generation」はCSR 16.26%・FA 10.86%にとどまり、Chat2Scenicは両指標で既存手法を大幅に上回っている。
研究チームはコードをオープンソースとして公開しており、今後の研究利用を促進するとしている。
原典ハイライト
論文アブストラクトによれば、既存手法が「合理的なコンパイル率は得られるがスケーラビリティに欠ける」あるいは「コンパイル成功率が低い」という根本的なトレードオフを抱えていたのに対し、Chat2Scenicは反復的RAGアーキテクチャによってこの課題を初めて克服したと位置づけられている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
自動運転の安全検証には膨大かつ多様なシミュレーションシナリオが不可欠だが、規制に準拠したスクリプトを手動作成するコストは開発ボトルネックの一因となっている。Chat2Scenicは規制文書から直接スクリプトを自動生成し、精度を実用水準まで引き上げることで、テスト工程の大幅な自動化・効率化を可能にする。オープンソース公開によって業界横断での活用が期待され、安全性検証の標準化にも寄与しうる。
日本企業への示唆
自動運転・ADASの開発・検証を手がける日本の自動車メーカーやティア1サプライヤーにとって、規制対応シナリオ生成の自動化は直接的なコスト削減につながる。Chat2Scenicのコードは公開されており、社内の検証パイプラインへの組み込みを試験的に評価できる段階にある。また、国内規制（国土交通省ガイドライン等）への対応シナリオ拡張も技術的には可能とみられるため、自社規制ナレッジベースとの統合可能性を検討する価値がある。ベンチマーク（123シナリオ）も公開されており、社内評価指標との比較検討にも活用できる。
背景・経緯
自動運転システムの型式認証・安全検証では、仮想シミュレーションによるテストが国際的に普及しつつある。しかし、NHTSAや国連WP.29などの規制文書に基づくテストシナリオをシミュレーターが読み込める実行可能スクリプトに変換する作業は、専門知識を要する手作業が主流であり、自動化は業界共通の課題とされてきた。既存の自動化手法は精度・スケーラビリティのいずれかで限界があり、実用展開が進んでいなかった。
