合法な自動運転に向けて：交通法規からシナリオ認識型の運転要件を導出する

要旨: 交通法規の遵守は人間の運転者にとって基本的な要件ですが、自動運転車（AV）は多様な現実の状況においてこれらの要件に違反し得ます。法令遵守をAVシステムに組み込むために、従来のアプローチでは、振る舞い上の制約を明示的に指定するための形式論理言語を用います。しかし、この手法は労力を要し、スケールしにくく、保守コストも高くなります。近年の人工知能の進歩により、大規模言語モデル（LLM）を活用して交通法規から法的要件を導出することが有望です。とはいえ、構造化された交通シナリオに明示的に根拠付けて推論しない場合、LLMはしばしば無関係な条文を取得したり、適用可能な条文を見落としたりし、結果として不正確な要件を生み出します。これに対処するため、本研究では、階層的セマンティクスを符号化するノード単位のアンカーによって、交通シナリオの分類法（タクソノミー）にLLMの推論を根拠付ける新しいパイプラインを提案します。中国の交通法規およびOnSiteデータセット（5,897シナリオ）において、本手法は法—シナリオのマッチングを29.1
%改善し、導出された義務的および禁止的要件の精度をそれぞれ36.9
%および38.2
%向上させます。さらに、AVナビゲーションのための法令遵守レイヤを構築し、フィールド試験のためにオンボードのリアルタイム遵守モニタを開発することで、実世界での適用可能性も示します。これにより、将来のAVの開発・導入・規制監督のための確かな基盤を提供します。