ADASテストの再考：車両が「耳を傾け始める」とき

数年前、ADASの検証サイクル中に、一見単純な問題に見えたものが、予想をはるかに上回る労力を要することになりました。問題は警告音が鳴らなかったことではなく、複数の車両イベントが同時に発生している状況において、正しい音が――正しいタイミングで、正しい条件下で、かつ正しい優先度で――確実に再生されたことを証明することでした。 

一見単純な検証作業と思われたものが、テストの繰り返し実行、信号の測定、ログの分析、音声の確認、そしてエンジニア間の長時間の議論へと発展してしまった。

この問題は解決されました。しかし、この経験は、もっと大きな問題を示唆していました。 

ADASシステムが進化するにつれ、その検証はますます困難になっています。それは機能が故障しているからではなく、検証に要する労力が急速に増大しているためです。そこで真に問われるのは、ADASのテストと検証を、ADASの革新と同じペースで拡大できているのか、という点です。

検証の工数が車両機能の増加を上回り始めたとき

このギャップはさらに拡大する見込みです。 世界のADAS市場は 2030年までに6億5500万台を超え、年平均成長率（CAGR）は11.9％と予測されており、我々は基盤となるソフトウェアベースの急速な拡大を目の当たりにしています。 

かつて車両は約1億行のコードで動作していましたが、今日の多くのモデルでは複数のコンピューティングドメインにまたがり5億行を超え、ソフトウェア定義プラットフォームによってこの数はさらに増加すると予想されています。リリース、バリエーション、機能の組み合わせが増えるたびに、堅牢なADAS検証マトリックスの必要性は高まり続けています。

ドライバーには警告音が聞こえますが、エンジニアの目にはテストケースが映ります。

現代の車両は、車線逸脱警告、前方衝突警報、死角検知、ドライバーモニタリング、アダプティブ・クルーズ・コントロールなど、いくつかの例を挙げれば、絶えず通信を行っています。 ドライバーにとってこれらのアラートは単なる音に過ぎませんが、検証エンジニアにとっては、それぞれが、正しい動作、タイミング、優先順位、他のアラートとの相互作用、およびあらゆる動作条件における応答について検証しなければならないテストケースとなります。 

複数の警告が同時に発せられ、優先順位を動的に決定しなければならない場合、その負担はさらに増大します。

オシロスコープ、音響測定ツール、信号解析といった従来の方法は、依然として信頼性が高く重要ですが、それには実質的なコストが伴います。手作業の負担増、ハードウェアへの依存度の高まり、ADAS回帰テストサイクルの長期化、そして希少な専門家への依存の長期化といった課題に直面しています。 

ここで問題となるのは、測定に多大な労力を要する検証が、今後もスケールし続けられるかどうかです。

信号の測定から意図の理解へ

ほとんどのADAS機能において、音は車両とドライバー間の最終的なコミュニケーション層です。エンジニアは警告信号の測定に多大な労力を費やしていますが、ドライバーが周波数プロットを目にすることは決してありません。 

では、警告音を単なる「測定対象の信号」として扱うのではなく、「理解すべき信号」として捉えることはできないだろうか？

測定は、どの周波数がいつ生成されたかを教えてくれます。 理解とは、どの警告音が再生されたか、その理由は何か、予期されたものだったか、優先順位が正しく処理されたか――自動車エンジニアが実際に重視する問い――を明らかにすることです。この区別こそが、LTTSが特許を取得したインテリジェント・オーディオ検証アプローチの基盤となっています。このアプローチでは、オーディオ分析、機械学習、検証ロジックを組み合わせることで、警告音を識別し、イベントを分類し、期待される挙動を自動的に評価します。

アイデアから実用的なプロトタイプへ

このコンセプトを検証するため、チームは自動化されたADASテストケース生成、オーディオ信号処理、イベント分類、および検証ロジックを組み合わせた概念実証（PoC）フレームワークを構築しました。初期の結果は有望で、ADASおよび非ADASのオーディオイベント全体で約80％の分類精度を達成し、手作業の負担を大幅に削減できました。 

代表的な事例として、従来の手法ではエンジニアが20時間近くを要していた作業が、主にイベントの自動識別によって、約3時間で完了しました。 

より大規模なデータセットとさらなる改良は依然として必要ですが、この取り組みの価値は明らかに理論の域を超えています。

これが自動車OEMにとって重要な理由

自動車メーカーにとって、検証はフルスタックな業務活動です。従来、複雑さが増すほど労力も増すというアプローチでしたが、これはある一定点を超えるとスケールしなくなります。 インテリジェントなADASテスト自動化フレームワークは、専用機器への依存度の低減、回帰テストの高速化、一貫性の向上、プログラム間の拡張性の向上、そしてエンジニアの迅速な業務参画を可能にします。最も重要なのは、エンジニアが反復的な分析に費やす時間を減らし、エッジケースや顧客に影響を与える挙動の分析により多くの時間を割けるようになることです。

この新しいアプローチの特筆すべき点は、インテリジェンスが適用される場所にあります。それは、長い間ハードウェアと手動による解釈に支配されてきた検証の課題です。私たちは、すべてのADASアラートが車両とドライバー間の対話の一部であることを認識しており、次世代のADASテストは、私たちのツールが「聞く」ことを学んだ瞬間に始まるかもしれないと考えています。

LTTSが自動車業界におけるADASの検証と妥当性確認をどのように再定義しているか、ぜひご覧ください。