自動運転技術の開発において、モーションプランニングアルゴリズムの安全性と効率性を確保するには、人間と機械が相互作用する現実的な環境での評価が不可欠である。しかし従来のシミュレーションプラットフォームの多くは、記録済みのデータセットに依存しており、リアルタイムでの人間の介入に対応する専用インターフェースが不足していたり、自動運転エコシステムとの統合が不十分だったりするという課題を抱えていた。さらに多くのヒューマン・イン・ザ・ループシミュレータは計算負荷が大きく、自動運転研究の初期段階での迅速なプロトタイピングや柔軟な実験には向いていなかった。 これらの制限を克服するために、研究チームはCommonRoad-Gameを開発した。同フレームワークはCommonRoadプラットフォームと緊密に統合された軽量のヒューマン・イン・ザ・ループシミュレーション環境であり、人間の参加下でのモーションプランナーの体系的なテストと、相互作用シナリオにおける人間の運転行動分析に特化している。 フレームワークの特徴として、マルチスレッド化されたアーキテクチャと堅牢な同期メカニズムを備えており、シミュレーション時間と実時間を整列させることで、自動運転車と人間運転車の間の決定論的かつ時間的に一貫した相互作用を実現している。また、シナリオ生成モジュールは運転ログを記録し、ヒューマン・イン・ザ・ループ実験から多様で再現可能なテストケースを構築できる機能を提供している。 実験結果により、CommonRoad-Gameは安定した時間同期を達成し、スケーラブルなマルチエージェントシミュレーションをサポートし、CommonRoad互換のモーションプランナーをシームレスに統合して対話的な運転シナリオを生成できることが実証された。ソースコードはGitHubで公開されている。