SDVの実現に向けたAUTOSARの取り組み（第2報）
-ソフトウェアアーキテクチャの全体像と標準化活動の動向-

後藤　正博（AUTOSAR）

2023年にSDVの実現に向けたAUTOSARの取り組みをVehicle Interfaceを中心に報告した．その後の取り組み内容と，標準化団体間の協調について報告する

限定領域自動運転向けインフラセンサ設置補助システム

今西　裕人（日立製作所）・布施　康宏（日立Astemo）

自動運転の社会実装加速には，技術開発，環境整備，社会受容性の評価を短い実証サイクルで繰り返すことが重要である．そこで本研究では，ジオフェンス内を走行する限定領域自動運転のシステム構築高速化に向けて，構成要素であるインフラセンサの設置姿勢を自動較正する，設置補助システムを検討した．

運行設計領域を考慮したモデル予測制御による自動運転車両の移動効率改善

齋藤　哲平・成川　理優・石原　新士（日立製作所）

モビリティソリューションの提供を目的とした自動運転制御技術を開発している．本講演では，自動運転車両に設けられた運行設計領域の走行環境条件の変化による逸脱を回避しつつ移動効率を改善するため，モデル予測制御により数km先の走行経路上の状態を考慮したリアルタイムな車両制御技術について報告する．

都市運転タスクにおける強化学習システムの開発

謝　薇棻・泉名　克郎・坂本　伸・渡辺　政彦（NTTデータオートモビリジェンス研究所）

著者らは市街地の自動運転に向けた強化学習の枠組みを研究してきた．これまで複雑な判断が必要の特定なシナリオについて，強化学習で獲得した運転行動モデルの有効性を示した．本報告は市街地で想定されるシナリオに対し，周囲の道路参加者を考慮した報酬設計を加え，強化学習枠組みの有効性について報告する．

AI-Enhanced Energy Management in Centralized E/E Architecture
-Fail-Operational Systems and Driver-Adaptive Efficiency-

Lin Li･Thomas Zipper･Martin Schlecker (AVL Software and Functions)

This presentation delves into AI-driven energy management in vehicles employing a centralized E/E architecture. The system showcases a fail-operational low- and high-voltage energy supply with three independent energy sources. Orchestrated by a central vehicle computer, it employs AI algorithms for optimal energy distribution. Zone controllers with integrated eFuses enable precise and fine-grained energy paths. A dedicated fail-operational zone guarantees the reliability of safety-critical functions, particularly x-by-wire features in advanced vehicles (L3 and above). Furthermore, the system incorporates AI-based driver adaptation, leveraging predictive analysis of the driver's usage patterns to improve the overall energy efficiency and enhance the driving range.

Environmental Magnetic Field Map Generation and Localization Method for Autonomous Vehicles on Roads

Kyoya Ishii･Keisuke Shimono･Yoshihiro Suda (The University of Tokyo)･Takayuki Ando･Hirotaka Mukumoto (Aichi Steel)

Vehicle localization is one of the key technical factors for autonomous vehicles on roads. Popular methods include GNSS and visual methods using cameras or LiDAR. However, there are conditions where each method can fail to localize. This research introduces a new method of vehicle localization using environmental magnetic field. Here, we propose a 2-dimensional magnetic field map generation method, and localization method using the generated map.