自動運転車が周囲の世界を「見る」ためには、カメラやレイダーなどのセンサーが必要です。しかし、センサーデータだけでは十分ではありません。自動運転車には、環境に関する一つの正確なビューを生み出すために、複数の、時には矛盾するデータストリームを分析する、コンピューティングパワーや先進マシン・インテリジェンスも必要です。「センサーフュージョン」として知られるこの技術が自動運転車にとって重要な前提条件であることは明らかですが、これを達成することは大きな技術上の課題となっています。ここでは、様々なセンサー技術、センサーフュージョンが必要な理由、これを支えるエッジAI技術について検証していきたいと思います。
自動運転をする前に、車両は自分がどこにいるか、どこに向かっていくのか、その途中には何が起こるかを知らなければなりません。既に今日のレベル１、レベル2の自動運転車には、車や自転車、歩行者などの危険を見出すためのセンサーが満載です。最新のレベル3の車両（限定した状況での自動運転が可能）では、さらに完全に路上を理解するための高解像度のマップデータも統合されています。
しかし、次のステップに進むには、車両がさらに詳細に環境を見て理解できることが必要です。重要な点は、車両が、少なくとも人間と同様に、道路に踏み出してくる歩行者や、ダイナミックな要因に反応できることが必要だということです。安全な運転上の決定をするために世界を十分正確に認識するために、車両は3つの主要な技術を組み合わせて使用しながら、複数のそれも重複するセンサーに頼っています。
自動運転技術の比較
カメラは自動運転車用として最もよく知らされたのはセンサーであり、安価で信頼性が高く、車両周辺の360度のビューを提供するために使用することができます。しかし、人間の目と同様に、カメラも夜の視界、あるいは悪天候状況などに苦労しています。重大な点は、これらがディテールな情報も記録できないことです。例えば、コンピューターでは特定のモデルの車両を認識し、その大きさを知り、それからどのくらい遠くにあるか推論することによって解明することができますが、その結果には自動運転にとって十分な速さや信頼性は足りません。
これをうまく回避するために、車両ではレイダーを使用することができます。無線検出と測距は、無線電波を確認し、環境によってそれがどのように反響するかを測定することによって機能します。レイダーは、車両などの固体の物体の距離や速度を測定する非常に正確な方法であり、センサーは安価で信頼性が高く、既に自動クルーズコントロールや自動緊急ブレーキなどのシステムにとって重要なものとなっています。最新の77GHz mmWaveレイダーセンサーは、どの種類の車両にも組み込めるほど小さく、4㎝以内の精度で、近くに位置する個々の物体間を区別できる十分な解像度を提供しています。
レイダーは夜間よく作動し、ほとんどの気候条件で信頼性が高いものの、センサーの視界は限られており、その解像度はカメラよりもかなり低くなっています。いずれの制限もライダーで対処され、これらはレイダーと同様に作動しますが、ここでは無線電波よりも目に見えないレーザー光線が使用されています。ライダーは、車の環境に関する非常に詳細で極端に正確なマップを生み出すことができますが、その技術は天候によって影響されます。さらに、次世代の半導体ライダーはそれを修正することを約束しているものの、現時点においては、センサーは高価で比較的壊れやすくなっています。
センサーからの知覚
3つの主なセンサー技術には、それぞれ独自の強みと弱みがありますが、一つで自動運転に必要な完全で信頼できるデータを提供してくれる技術はありません。自動運転車に関する一般的なアプローチは、カメラが見た内容に基づいて、世界のビューを作り出すためにコンピュータービジョンを使用するというものであり、人間の目のようです。しかし、カメラの制限、特に距離測定に関する制限によって、他からのディテールな情報で裏付けることが必要になります。
Teslaがこの目的でレイダーのみを使用している一方で、他のほとんどのグループは、ライダーが不完全なコンピュータービジョンから保護するさらなる重要なデータを提供してくれると感じています。すべてのケースにおいて、自由に使える最高のデータを使用して、正確で最新の環境についてのモデルを構築することが車両にとっての課題となっています。
これを達成するため、自動運転車はパワフルなエッジAIシステムでデータをリアルタイムで解釈しながら、複数のセンサーを活用します。センサーは、異なる技術で同じエリアの「イメージ」を生み出しながら、視界が重なりあうように配置されており、これによって冗長性が提供されます。例えば、暗くてカメラが作動しない時でもレイダーデータを使用できたり、また、複数のセンサーからのビューを比較して、読み取り値を排除したり、一つの信頼できる測定値にたどり着くこともできます。
全てのセンサーにある程度のエラーがある一方で、このプロセスには複数のセンシング技術からのデータを統合しながら、常に測定サイクルと予測サイクルが含まれています。この目標は、それぞれのノイズを除去して、起きている内容について可能な限り最も正確な予測値に達することです。
ミスから学ぶマシンラーニング
これは、センサーフュージョンの神髄です。これをナビゲーションや他の情報と組み合わせることで、自動運転車は周囲の世界を非常に正確に形成できますが、これは任務の半分にすぎません。車のシステムは、ルートや障害物、潜在的な危険を見出しながら、環境を解釈して、思慮深く運転上の決定を下す必要があります。
車両が環境を認識し、やり取りするためのソフトウェアを書くことは、非常に困難であるがやりがいのあることです。メーカーは、市場に出すソリューションを得なければいけないというプレッシャーを受けていますが、エラーが人間の負傷や死亡につながるのではないかという更なる責任もあります。
多くの複雑なコンピューティングの課題と同様、マシンラーニングはソリューションのカギとなっています。このため、現在自動運転車が公道で開発されています。実際の走行状況からデータを収集したり、正しく反応するよう車を訓練することで、開発者は最も効果的なドライビングアルゴリズムを作り、現実の世界で試験や改善を続けることができるのです。
システムが成熟するにつれ、マシンラーニングは、最も優れた人間のドライバーと匹敵するようになるまで幅広い運転条件にますます対処しながら、さらに信頼性を高めることでしょう。夢のような話に聞こえるかもしれませんが、多くの機関では今後10年から15年で完全な自動運転車が路上で走ることを期待しています。そしてセンサーフュージョンが、この刺激的な未来を切り開くカギとなります。
——————————————————————————————————
VIAの使命は、シームレスなモビリティと自動運転の新時代に入る時に、顧客に競争上の強みを与える安全、利便性、快適性を再定義する革新的で新たな交通ソリューションとサービスの開発と展開を、企業が加速できるようにすることです。
VIA Mobile360 安全ソリューションの詳細はこちらをクリックしてください。
