自動運転AIチャレンジ2026のMPC Trajectory をGUIで編集する「Kaleidoscope」

はじめに

自動運転AIチャレンジ2026でMPC（Model Predictive Control）を調整していると、TrajectoryのCSVを直接編集したくなる場面があります。

しかし、数値だけを見ながらCSVを編集する方法には、次のような難しさがあります。

• 修正した点がコース上のどこにあるのか分かりにくい
• 点の重複や間隔のばらつきに気付きにくい
• headingやcurvatureを手作業で整合させるのが難しい
• 修正前後の差を確認しにくい
• 車体が壁に近づきすぎていないかCSVだけでは判断できない
• 元ファイルを誤って上書きするリスクがある

そこで、Lanelet2 map上でtrajectoryを確認・編集するオフラインGUIツール「Kaleidoscope」を作成しました。
名前は適当につけました。

GitHubリポジトリはこちらです。

Kaleidoscopeは大会運営の公式ツールではありません。本記事に記載する既定値や判定結果も、自動運転AIチャレンジ2026の公式確定仕様を意味しません。

Kaleidoscopeでできること

KaleidoscopeはPython/Tkで実装したオフラインtrajectory editorです。ROS topicやserviceへ接続するROS nodeではありません。

主な機能は次のとおりです。

• trajectory CSVをLanelet2 OSM上へ表示
• trajectory pointの選択と座標編集
• 周回経路／非周回経路の明示
• CSV schema、有限値、点間隔、heading、curvatureなどの検証
• trajectory geometryの正規化
• オフライン速度プロファイルの再生成
• Original／Working／Candidateの比較表示
• occupancy gridを使った壁とのclearance検証
• 車体footprintを考慮した補正候補の生成
• validation後の安全な別名保存

MPC用CSVは、次のcanonical 7列を扱います。

s_m,x_m,y_m,psi_rad,kappa_radpm,vx_mps,ax_mps2

既存のPure Pursuit用8列CSVも形式を分けて検証できますが、本記事ではMPC trajectoryの編集を対象にします。

対応環境

本記事では、自動運転AIチャレンジ2026のリポジトリと運営提供Dockerイメージを使用します。

Kaleidoscopeは、必ず次の位置へ配置してください。

aichallenge/workspace/src/aichallenge_submit/
├── aichallenge_submit_launch/
│   └── map/
│       └── lanelet2_map.osm
└── multi_purpose_mpc_ros/
    ├── env/
    │   └── final_ver3/
    │       ├── traj_mincurv.csv
    │       ├── occupancy_grid_map.yaml
    │       └── occupancy_grid_map.pgm
    └── tools/
        └── kaleidoscope/

Kaleidoscopeはこの配置を利用して、既定のtrajectory、Lanelet2 map、occupancy gridを探索します。以下の名前や配置を変更した環境は、現時点ではサポート対象外です。

• multi_purpose_mpc_ros
• multi_purpose_mpc_ros/env/
• aichallenge_submit_launch
• mapおよびtrajectoryファイル

インストール

AI Challengeリポジトリ内のmulti_purpose_mpc_ros/toolsへ移動し、Kaleidoscopeをcloneします。

cd aichallenge/workspace/src/aichallenge_submit/multi_purpose_mpc_ros
mkdir -p tools
cd tools
git clone https://github.com/MasanoriSuda/kaleidoscope.git

ホスト側でvenvを作成したり、pip installを実行したりする必要はありません。本記事ではホストPythonからの直接起動をサポートしません。

起動方法

最初に、ホスト側でAI Challengeリポジトリのルートへ移動します。

cd /path/to/aichallenge-2026

Autoware commandコンテナへ入ります。

make autoware-bash

ここから先はDockerコンテナ内で実行します。

cd /aichallenge/workspace/src/aichallenge_submit/multi_purpose_mpc_ros/tools/kaleidoscope
python3 -m kaleidoscope

引数を省略すると、リポジトリ内の既定MPC trajectoryとLanelet2 mapを自動検出し、周回経路として開きます。

任意のファイルを指定する場合は、次のように起動します。

python3 -m kaleidoscope \
  --trajectory ../../env/final_ver3/traj_mincurv.csv \
  --osm ../../../aichallenge_submit_launch/map/lanelet2_map.osm \
  --circular

使用できる主な引数は次のとおりです。

引数	内容
--trajectory <CSV>	編集するtrajectory CSV
--osm <OSM>	表示に使用するLanelet2 OSM
--circular	周回経路として開く
--open	非周回経路として開く
--preset mpc	MPC用の既定ファイルを使用
--preset pure_pursuit	Pure Pursuit用の既定ファイルを使用

基本的な編集手順

1. trajectoryを開く

Open Trajから編集対象のCSVを開きます。周回コースの場合はCircularが有効になっていることを確認します。

周回であることと、CSVの始点・終点が重複していることは別の状態です。経路の用途に合わせて明示してください。

2. 編集前にValidateする

Validateを実行すると、例えば次のような問題を確認できます。

• schemaや列数の不一致
• 空行や不正値
• NaN／Inf
• 重複点や極端に短いsegment
• 不正なarc length
• headingやcurvatureの不整合
• 速度、加速度、横加速度の範囲

問題を選択すると、該当するCSV行やtrajectory上の位置を確認できます。

3. trajectory pointを編集する

点を選択して座標を調整します。MPC用trajectoryのXYを変更すると、次のmetadataは古い状態になります。

• s_m
• psi_rad
• kappa_radpm
• vx_mps
• ax_mps2

XYだけ変更してそのまま保存するのではなく、後述するgeometryと速度情報の再生成を行います。

4. geometryを正規化する

Normalize Geometryでは、重複終端や退化点の処理、再サンプリング、s_m、heading、curvatureの再生成を行います。

処理結果はすぐに編集中データへ反映されず、Candidateとして表示されます。Original／Working／Candidateを比較してから、Apply CandidateまたはDiscardを選択できます。

5. 速度情報を再生成する

Recompute Speedでは、最大速度、前後加速度、最大横加速度などを指定し、curvatureを考慮したオフライン速度プロファイルを生成します。

ただし、ここで生成するvx_mpsとax_mps2はCSV metadataです。現行MPCでは実行時の速度上限処理が優先されるため、CSVを保存しただけで実車・シミュレータの走行速度がそのまま変わるとは限りません。

6. clearanceを確認する

壁との距離を確認する場合は、Vehicle / Margin Settingsでoccupancy-grid YAML、車体寸法、margin、unknown cellの扱いを確認します。

Validate Clearanceを実行すると、trajectory上の車体矩形とpoint間のswept footprintを使って静的なclearanceを検証します。

必要に応じてAdjust Clearanceから補正候補を生成できます。補正後はgeometryと速度metadataの状態を確認し、再度Validateしてから保存します。

ClearanceのSAFEは、AWSIMや実車での非接触を保証するものではありません。occupancy grid、車体基準点、collider、離散化などの差があるため、最終確認はシミュレータで行ってください。

7. 別名で保存する

最初はSave Asを使用し、元CSVを残してください。

例えば次のような名前にします。

traj_mincurv_edited.csv
traj_mincurv_normalized.csv
traj_mincurv_speed_profiled.csv

保存前には再度Validateを実行します。Kaleidoscopeはvalidation errorやstaleなmetadataが残る場合、保存を停止します。

実際の使用例

ファイル読み込み結果

拡大してみます

Trajectoryを若干外回りにしてみます、元データ(真ん中)との比較ができます

Trajectoryを細かくしてみます

などなど

GUIが表示されない場合

python3 -m kaleidoscopeはDockerコンテナ内で実行します。ホスト上で実行すると、Python依存関係が不足して次のようなエラーになることがあります。

ModuleNotFoundError: No module named 'defusedxml'

この場合、ホストへパッケージを追加するのではなく、make autoware-bashでコンテナへ入っているか確認してください。

コンテナ内で実行してもGUIが表示されない場合は、ホスト側で次を確認します。

export XAUTHORITY=~/.Xauthority
./setup.bash doctor

DISPLAYまたはXAUTHORITYに警告が出る場合は、doctorの案内に従ってX11設定を修正し、もう一度コンテナへ入ります。

安全に使うための注意

• 元CSVを最初から上書きせず、別名で保存する
• Validateのerrorを残したまま保存しない
• clearanceの結果だけで壁接触しないと判断しない
• 生成したtrajectoryはC++ validatorでも確認する
• AWSIMで最初のヘアピンと1周を確認する
• 実車へ適用する前にシミュレータで検証する
• 2026公式仕様として未確認の値を確定値として扱わない

Kaleidoscopeはtrajectory編集時の見落としを減らすための補助ツールです。最終的な走行安全性や評価互換性を保証するものではありません。

まとめ

Kaleidoscopeを使うと、MPC trajectoryをCSVの数値だけで編集する場合と比べて、次の作業を一つのGUIで進められます。

• Lanelet2 map上でのtrajectory確認
• geometryの編集と正規化
• 修正前後の比較
• 速度metadataの生成
• occupancy gridによるclearance確認
• validation付きの安全な保存

起動手順は次の2段階です。

# ホスト
make autoware-bash

# Dockerコンテナ内
cd /aichallenge/workspace/src/aichallenge_submit/multi_purpose_mpc_ros/tools/kaleidoscope
python3 -m kaleidoscope

それではいい夏を！