2026-06-18 — views

自動運転車の緊急車両対応——ロボタクシーはパトカー・救急車・消防車をどう扱うか

サイレン検知、消防車への道路譲渡、警察の手信号の読み取り——緊急車両対応はAVにとって最難関のエッジケースの一つで、実際の規制措置を引き起こしている。

物理AIベンチマークシリーズ第54回——サイレン、停止アーム、手信号

緊急車両は複合的な検知問題を生み出し、人間のドライバーと自動運転システムが世界を認識する方法の最も深い格差を露わにする。人間のドライバーはサイレンを聞き、発生源を特定し、状況を判断し、右側に停車する——すべてが数秒以内に、空間聴覚、周辺視野、そして数十年にわたる訓練による本能を活用して完了する。自動運転車はマイクロフォンアレイ、カメラバンク、ニューラルネットワーク、経路計画アルゴリズムを通じてこの一連の動作を再現しなければならない——あらゆる照明条件、周囲の騒音、交通の幾何学的条件下で確実に。

これらのシナリオは理論上のエッジケースから記録された運用上の失敗へと移行している。サンフランシスコ消防局は2022年から2023年にかけて、Waymo車両が消防車のアクセスを阻害したとしてカリフォルニア公益事業委員会（CPUC）に正式に複数回の苦情を申し立てた。2023年10月のCruise事故——歩行者衝突後に車両が警察への即座の停車に失敗した事例——は、商業的な無人運転事業の短い歴史において最も深刻な規制上の出来事となり、Cruiseの無人運転許可停止を引き起こし、最終的にGMのロボタクシープログラムの全面閉鎖につながった。

本稿では技術的課題を整理し、実世界の記録を文書化し、主要なAVスタックがこれらの問題に対処するために構築したシステムを説明する。

（推定）と表記された数値はすべて、発表された研究、企業の公開情報、業界報告に基づく推定値であり、管理されたテスト条件下で独立して検証されていない。

第1節——緊急車両対応がなぜ難しいか

緊急車両対応は単一の問題ではない。同時に発生する可能性のある少なくとも六つの独立した検知・意思決定上の課題から成る。

シナリオ	人間のドライバーのアプローチ	AVの課題
救急車のサイレン	サイレンを聞く→発生源を特定→右に停車	音声検知＋定位＋停車判断
後方からの消防車接近	ミラー確認＋赤色灯点滅→道を譲る	多カメラ後方検知＋光パターン認識
警察官の手信号	目を合わせる＋手信号を読む→従う	リアルタイムのキーポイントベース手信号分類
スクールバスの停止アーム	赤色灯点滅＋アーム伸展→停車	関節アーム検知＋様々な照明下での点滅灯識別
緊急車両による車線閉鎖	注意深く迂回	予測不可能な非標準障害物に対する経路計画
葬儀列	エスコート状況を認識→譲る	複数車両の隊列状況認識；州によって異なる規則

課題1：マルチモーダル信号融合。 緊急車両は二つの独立したチャンネル——音声（サイレン）と視覚（点滅灯）——で自身を告知する。人間は自動的かつ無意識にこれらの信号を融合する。AVは並列検知パイプラインを実行し、その出力を相関させ、他の大きな騒音や明るいストロボ光（工事現場、ナイトクラブ、遠くの他の緊急車両）からの誤検知を避けなければならない。

課題2：非標準軌跡予測。 緊急車両は法的に信号無視、逆走、交差点への加速進入、急停車が許可されている。標準的なAVの動作予測モデルは通常の車両行動を訓練基盤としている。緊急車両に通常の予測を適用すると危険な予想経路の推定が生成される。

課題3：停車判断と実行。 緊急車両が接近していることを知るだけでは問題の半分しか解決しない。AVは停車場所を決定しなければならない——交差点でも、横断歩道でも、自転車レーンでも、車道を塞いでもいけない——そして時間的プレッシャーの下、おそらく密集した交通の中で、スムーズな車線変更を実行しなければならない。

課題4：警察の手信号。 交通を誘導する警察官はすべての交通信号を覆す。これは純粋に視覚的で、リアルタイムの、人間の手信号認識問題である。警察官は部分的に遮蔽されている場合があり、異なる制服を着用し、非標準的な手信号を使用し、四つのアプローチ角度のどこからでも交差点で働いている。この能力の訓練に標準化されたデータセットは存在しない。

課題5：スクールバスの停止アーム。 スクールバスが赤色点滅灯を作動させて停止アームを伸展させると、全米50州すべての無分離道路の両方向のすべての車両が停車しなければならない。停止アームは物理的な関節式機械部品であり、強光、雨、低光条件下でも検知されなければならない。検知距離は重要で：車両はスムーズに制動するための時間が必要である。

課題6：管轄区域によって異なる規則。 葬儀列の優先通行権は州によって異なる。スクールバスの停車規則は道路の種類と車線数によって異なる。停車中の緊急車両を追い越す際に必要な距離は州によって異なる。複数の管轄区域で運営するAVは、場所によって異なる規則セットを保有しなければならない。

第2節——実世界での事故

商業的自動運転展開における緊急車両対応の記録には、規制の結果に直接影響を与えた複数の記録された事故が含まれている。

事故	日付	何が起きたか	結果
Waymo車両による消防車阻害	2022〜2023年複数回、サンフランシスコ	Waymo車両が消防車の現場へのアクセスを妨げる場所に停車	SF消防局がCPUCに正式苦情申し立て；CPUC無人運転許可討議における中心的要因になった
Cruiseの警察への停車拒否	2023年10月、サンフランシスコ	Cruiseロボタクシーが歩行者衝突事故後の交通取り締まりで警察への即座の停車に失敗；車両はより安全と判断した場所に移動	CPUCがCruiseの無人運転許可を停止；2023年11月のGMによるCruiseロボタクシー事業閉鎖に直接貢献
Waymoと警察誘導交通	2023〜2024年複数回	Waymo車両が警察官が手動で交差点の交通を誘導する際に予期せず停車したり、一貫しない行動をとったりした	Waymoが曖昧な状況のための改善された「停車してリモートオペレーターを呼ぶ」プロトコルを開発するきっかけになった
スクールバス検知全般	継続中	複数のAVプログラムがスクールバス停止アーム検知のための専用訓練データセットを必要としている；各州の追い越し規則が異なる	いかなるAV事業者も停止アームコンプライアンスに特化した正式な認証を受けていない（推定）

2023年10月のCruise事故には具体的な説明が必要である。事件の順序は次の通り：Cruise車両がすでに別の車両に轢かれていた歩行者と衝突した；Cruise車両はその後、警察が警告灯を作動させた際に即座に停車しなかった；車両は歩行者が車体の下にいる状態で約20フィート移動した。CPUCがCruiseの無人運転許可を停止した際、警察への停車失敗を事故報告に関する広範な懸念とともに具体的な寄与因子として挙げた。規制上の対応——許可停止、続くGMによるCruiseロボタクシープログラム全体の閉鎖決定——は、これまでいかなるAV事業者も直面したことのない最も深刻な結果であった。

Waymoの消防車事故は劇的ではないが重要である。それはより微妙な失敗モードを明らかにするからだ：AVは停車の必要性を正しく識別したが、緊急車両のアクセスを阻害する停車場所を選択した。停車判断を正しく行うには緊急車輛を検知するだけでなく、停車場所を推論すること——譲っている車両自体を妨げる場所を避けること——が必要である。

第3節——Waymoの緊急車両対応システム

SF消防局の事故を受けて、Waymoは緊急車両検知に対する体系的な多層対応を開示・実施した。

システムコンポーネント	機能
音声検知モジュール	サイレン検知のための専用マイクロフォンアレイとニューラルネットワーク；停車計画を支援するためにサイレン方向（前後左右）を特定
緊急車両光パターン認識	主要な米国消防、警察、救急車両フリートの特定ライトバーパターンの映像で訓練；工事現場、レッカー車、その他の点滅光源と緊急パターンを区別
停車場所選択	サイレンと点滅灯を検知→交差点、横断歩道、自転車レーン、車道を阻害しない最寄りの安全な停車ポイントを特定→車線変更実行→停車
リモートアシスタンス統合	複雑なシナリオ（警察手信号、曖昧な状況）→人間のリモートオペレーターへのフラグ、約30秒以内（推定）に指示を提供
警察停車プロトコル	Waymo車両に向けられた警察の灯光の場合→停車→ハザードランプ点灯→リモートオペレーターまたは警察官の接近を待つ
ジオフェンス改善ループ	事故後、Waymoは影響を受けた区域で的を絞ったエッジケースデータ収集を実施し、新しい訓練サンプルを構築

リモートアシスタンス統合はアーキテクチャ的に重要である。Waymoは公に、車両が日常的な緊急車両シナリオを自律的に処理し、曖昧なケース——特に警察の手信号——を人間のリモートオペレーターにエスカレートする階層的対応モデルを説明している。これはWaymoの無人運転車両が最も難しい緊急シナリオでは完全に自律的ではないことを意味する；リアルタイムで人間が支援する。30秒のエスカレーション対応は内部推定であり、独立して監査されていない。

停車場所選択の改善は消防車阻害事故に直接対処した。更新されたプロトコルには明示的な制約が含まれている：候補停車場所は既知の交差点境界、横断歩道標示、自転車レーン指定、消防栓近接度に対してフィルタリングされる。システムは迅速な停車と二次的阻害を生まない場所での停車のバランスをとらなければならない。

第4節——Tesla FSDと緊急車両対応

Tesla FSDは現在、監督条件下（現在の消費者向け車両には安全ドライバーが必要）で運用されている。商業展開を目指すCybercab無人運転プログラムは、緊急シナリオについてより高い規制基準を満たさなければならない。

次元	詳細
音声検知	Teslaの車載マイクロフォンは主に車内ノイズキャンセレーションと音声コマンド用に設計されている；緊急車両サイレン検知は独立した能力としてFSDに実装されていると公式に述べられている（推定）
視覚検知	カメラベースの点滅灯検知；エンドツーエンドv12・v13モデルがグローバルフリートからの緊急車両クリップで訓練
停車行動	FSDは緊急車両の接近を認識し停車を提案または実行するよう訓練；安全ドライバーはいつでも介入可能
警察手信号	カメラのみシステムにとってより困難な問題；FSD v13には歩行者と警察の手信号認識の改善が含まれる（推定）
リモートオペレーターなし	Waymoとは異なり、TeslaのCybercab無人運転計画はニューラルネットワークのみに依存し、ループ内に人間のリモートオペレーターを持たない
規制要件	Cybercab無人運転運営のために、緊急車両対応は現在開発・評価中の規制基準を満たさなければならない

リモートオペレーターバックアップの不在は、両社が最も難しいエッジケースにアプローチする方法に構造的な違いを生み出す。Waymoは数秒以内に曖昧な警察手信号シナリオを人間にエスカレートできる。Teslaの無人運転システムは同じシナリオをニューラルネットワーク推論だけで処理しなければならない。フリートデータでのエンドツーエンドモデル訓練が、人間のバックアップなしに警察手信号コンプライアンスに必要な信頼性に達することができるかどうかは、Cybercabの規制審査における未解決の問題の一つである。

Teslaのカメラのみのアーキテクチャはサイレンのローカリゼーションにも影響する。Waymoのマイクロフォンアレイはサイレンが前方、後方、または側面から接近しているかを判断できる——この情報は停車するかどうかとどこに停車するかを直接告知する。カメラシステムは視覚的な手がかりのみから緊急車両の接近方向を推論しなければならず、緊急車両がカメラの視野に見えれば確実に機能するが、音だけからの事前警告を提供することはできない。

第5節——規制基準と「合格」の定義

2026年半ば時点で、AV緊急車両対応に関する統一された連邦基準は米国に存在しない。規制の状況は州ごとであり、カリフォルニアが事実上最も厳格な管轄区域として機能している。

要件	現在の状況
緊急車両への道路譲渡	全50州の法律で要求；AVは人間のドライバーと同じ法規に従わなければならない
スクールバス停止アーム	連邦法と全50州の法律が停車を要求；停止アームコンプライアンスに特化した正式な合否認証を受けたAVはいない（推定）
警察交通誘導	警察の指示に従う法的要件；AV特有の技術基準なし；事故審査でケースバイケースにテスト
NHTSA FMVSS	2026年半ば時点で、連邦自動車安全基準には緊急車両対応性能の特定要件がまだ含まれていない（推定）
CPUCカリフォルニア	積極的な許可手続きを通じて運用上最も厳格なAV規制機関となっている；SF事故が米国史上初の重大な許可停止を引き起こした
合格の定義	合意された指標はまだない；業界の方向性はAVが定義されたテストセットで人間のドライバーの緊急車両対応率を達成または超えることが必要

CPUCの無人運転許可に対する監督権は、カリフォルニアを最も魅力的かつ最も精査されるAV展開市場の両方にしている。ジオフェンス運用を拡大する事業者はCPUCの審査員に緊急車両対応性能を実証しなければならない。Cruiseの停止は、単一の注目度の高い失敗が許可取消につながる可能性を確立した；Waymoの消防車事故は、持続的な低深刻度の失敗が運用要件の変更を促進する可能性を確立した。

連邦基準の不在は不均一な競争環境を生み出している。カリフォルニアの事業者は最も厳格な要件に直面する；規制が緩い州の事業者はより低い正式な基準に直面する。無人運転展開がカリフォルニアを超えて拡大するにつれ、NHTSAは連邦性能基準を策定することが期待されている——おそらくカリフォルニアの記録を主要な証拠基盤として活用する。

出典：CPUC無人運転車両許可手続き（cpuc.ca.gov）；SF消防局によるAV阻害に関する苦情、SF Examiner報道（sfexaminer.com）；Cruise 2023年10月事故、NHTSA特別調査（nhtsa.gov/vehicle-safety/automated-vehicles）；Waymo緊急車両対応アップデート（waymo.com/blog/）。（推定）と表記された数値はすべて、発表された研究、企業の公開運用情報、業界報告に基づく推定値であり、管理されたテスト条件下で独立して検証されておらず、正確な値ではなく方向性を示すものとして扱われるべきである。