NIST: 「Safe Step」 — 火災時の動的な避難を一歩ずつ導くAIモデル

NIST（米国国立標準技術研究所）は 2026年6月4日、建物の火災時に最も安全な避難経路を一歩ずつ算出する、強化学習（reinforcement learning、強化学習）に基づくAIモデル Safe Step を発表した。研究は Hongqiang「Rory」Fang と Wai Cheong Tam が主導した。

Safe Stepはどのように学習し、判断するのか

Safe Stepは、システムが試行と報酬を通じて意思決定を学習するアプローチである強化学習に依拠している。モデルは二つの源——建物の間取り図と、火災や有毒ガスがさまざまな空間でどう振る舞うかのデータを提供するNISTの火災シミュレーション——から学習する。これに基づき、システムは建物内を移動する際の次の最も安全な判断を見積もり、経路をあらかじめ固定的に決めるのではなく、一歩ずつ構築していく。

「一歩ずつ」とは何を意味し、センサーの役割は何か

Safe Stepの鍵となる特徴は動的さである。システムは、センサーを備えた「スマート」ビルディングからのライブのセンサーデータ——温度と空気質——を用いる。このデータを用いて、状況が展開するなかで避難経路と動的な出口表示を継続的に更新する。静的な避難経路図の代わりに、ユーザーは火災と煙の現在の状態に適応してリアルタイムで変化する指示を受け取る。

Safe Stepは従来のアルゴリズムよりどこが優れているのか

避難への伝統的なアプローチは、出口までの最短経路を探すshortest-pathアルゴリズムに依拠する。Safe Stepは二つの点で一歩先を行く。第一に、火災がどう延焼するかを予測するため、経路を現在の状態だけでなく予想される展開に基づいても選ぶ。第二に、fractional effective dose（FED）——有毒ガスへの累積被ばくの指標——に基づいて最適化し、そのような被ばく量が最も低い経路を選ぶ。これにより、優先されるのは単なる距離ではなく人々の安全になる。

fractional effective doseとは何か

fractional effective dose（FED）は、火災安全科学に由来する概念で、被ばく中に人の体内にどれほどの有害ガスが蓄積したかを、行動不能を引き起こす用量の割合として表す。FEDが最も低い経路を選ぶことで、Safe Stepは避難中の人々の燃焼有毒生成物への曝露を最小化しようとする。これは、単に火を避けたり最寄りの出口を探したりするのとは本質的に異なる基準である。

どのような制約があり、いつ実用化が見込まれるのか

Safe Stepはまだ初期段階にある。現状では単層の間取りでのみ動作し、複数階の建物や複数人が同時に避難するシナリオ（マルチエージェント）への開発はようやく進行中である。NISTは実用化までを5〜10年先と見積もっている。すなわちこれは、方向性を示す研究上の成果であって、建物への組み込みに向けた完成済みのシステムではない。それでも、火災の延焼の予測、ライブのセンサー、有毒な被ばく量に基づく最適化の組み合わせは、将来の安全システムに向けた有望な枠組みを提供している。