人工知能
ハンドルのAI：人工知能が自律走行車の進化を牽引する方法
約200年前、高品質でユニークな機能を持つ車は一般の人には想像もできませんでしたが、現在では電気自動車やハイブリッド車が日常の一部となり、私たちは大きく前進しました。
今日、自律走行車（AV）は自動車イノベーションの最前線に立ち、注目と期待を集めています。しかしそれは何なのか、そしてどのように車の姿を変えているのか？見てみましょう！
自動車における自動化の概観
自律走行車（AV）は、技術を用いて人間のドライバーを部分的または完全に置き換え、事前に設定された目的地へ「オートパイロット」モードで走行する車両です。同時に、これらのAVは交通状況に対応し、道路上の危険を回避し、より安全性を提供します。
これらの車両で使用されるさまざまな技術には、センサー、レーザー、レーダー、アダプティブクルーズコントロール、アクティブステアリング、ABS（アンチロックブレーキシステム）、GPSナビゲーション技術が含まれます。
米国自動車技術者協会（SAE）によると、人間の介入度に基づいて自律走行車は6つのレベルに分類されます。この分類は米国道路交通安全局（NHTSA）でも使用されており、以下の通りです：
Level 0: 車両は操作に対して一切の制御を持たず、すべての運転は人間のドライバーが行います。Level 1: 車両の先進運転支援システム（ADAS）は、ステアリングとブレーキでドライバーを支援する機能を備えています。Level 2: 車両のADASは特定の条件下で加速とブレーキを監視しますが、ドライバーは必要な操作を行い、走行中は常に環境に注意を払う必要があります。Level 3: 車両のADASは特定の条件下で運転タスクのすべてを実行できますが、必要に応じて人間のドライバーが制御を引き継ぐ必要があります。このレベルの自律は現在のAVで実現されています。Level 4: 車両の先進運転支援システムは、特定の条件下で人間の注意や支援を必要とせずにすべてのタスクを実行できます。Level 5: 車両のADASは、すべての条件下で運転に関わるすべてのタスクを人間の支援なしで実行でき、この段階で完全自動化が達成されます。
自律走行車は利便性と生活の質の向上というメリットを提供します。さらに、身体障害者や高齢者が自立できるようになります。また、交通渋滞の緩和、輸送コストの削減、駐車場の解放、CO2排出量の大幅な削減といった可能性もあります。
しかし、自律走行車に関する大きな話題にもかかわらず、期待された成功はまだ達成されていません。では、問題は何でしょうか？
自律走行車が直面する課題
自律走行車や無人車は近年何十億ドルもの投資を呼び込みましたが、導入の遅れや顧客採用の遅延も見られます。そこで、これらの車が直面している主な課題を見ていきましょう。
複雑な走行環境
AVが道路標識、信号、道路上の物体の動きを追跡するために使用するシステムは完璧ではありません。特に実世界のシナリオを理解するのが苦手です。
例えば、道路に鳥の群れが止まっている場合、人間のドライバーは車が前進すると鳥が飛び去ると理解しますが、AVは不必要に停止したり、急ブレーキをかけたりします。また、他のドライバーの手の動きや目線といった複雑な社会的相互作用を検知できず、進行を指示されても対応できません。
さらに、現在のAVは道路に交通標識がない場合に安全に動作できません。つまり、各国のさまざまな場所で最高の精度で運転できるようになるには、まだ課題があります。
乗客がマップシステムに含まれていない場所へ行きたい場合、AVは方向感覚を失い、目的地にたどり着くのが非常に困難になることがあります。そのため、車両を誘導するための複雑な三次元（3D）ルートマップが必要となりますが、カバー範囲と精度を実現するには時間と労力がかかります。
悪天候
AVにとって大きな課題は悪天候です。これらの車は、カメラで対象を視認・識別し、レーザーで距離を測定し、レーダーで対象の速度と移動方向を測ります。
データが取得された後、システムは判断を下しますが、雪、霧、豪雨などの悪天候はセンサーの正常な機能を妨げます。そのため、悪天候はAVのセンシング精度を低下させ、安全性を損なう可能性があります。また、降雨や降雪、氷、油、ゴミなどが車線標示を隠す問題もあります。
コスト
AVのもう一つの大きな問題はコストです。Lidarやレーダーなどのセンサーは高価です。さらに、Lidarは距離と解像度のバランスを取ることが課題です。そこで、次のような疑問が生じます：同じ道路を走る複数のAVが互いのLidar信号を妨害し合う可能性はあるのでしょうか？
責任問題
AVに関するもう一つの大きな疑問は事故の責任です。AVが引き起こす事故の責任は誰にあるのでしょうか？これは、完全自律レベルのAVが緊急時に人間がハンドルを取れない状況で特に重要です。また、保険もこの車両にとって曖昧な領域です。
法律と規制
AVが主流に入りつつあるにもかかわらず、関連する法律や規制はまだ十分に整備されていません。最近、米国におけるAVの規制プロセスは連邦指針から州ごとの義務へとシフトしています。
「ゾンビカー」の増加を防ぐため、一部の州では走行マイルごとの課税を提案しています。また、議員はすべてのAVにパニックボタンの装備を義務付ける法案も提出しています。
サイバーセキュリティ
高度に接続された交通システムと5Gの導入に伴い、データプライバシーとサイバーセキュリティも課題となります。例えば、2015年にフィアット・クライスラーは1.4百万台の車両をリコールし、ハッキングや遠隔操作の可能性があるバグを修正しました。AVは消費者のデータプライバシーを侵害しないだけでなく、ハッカーからデータを保護する必要があります。
インフラストラクチャ
AVを道路に導入するには、インフラへの大規模な投資が必要です。AVは明確な車線マーキング、データ保存場所、より強固な充電ネットワークを必要とします。これらは都市の予算に影響します。そのため、公共投資やコミュニティ・産業との対話が必要です。
自律走行車の未来を切り開くAI
これらすべての課題に直面し、人工知能（AI）が主導し、自律走行車の未来への道を切り開いています。
実は自動車産業は近年急速に進化しており、新技術の登場がそれを後押ししています。AIは自動車産業の変革を支える技術の一つです。本質的に、AIは機械をよりインテリジェントにすることです。人間の知能を機械にシミュレートし、私たちと同様に考え、行動させることを目的としています。
AIは車両が物体を認識し、次に何が起こるかを予測し、予期せぬ状況にも対応できるようにし、複雑な交通状況において人間のドライバーよりも優れた運転を実現します。 Statistaによると、世界の自動車AI市場は74.5億ドル規模に達すると予測されています。
NHTSAの調査によると、視覚や聴覚の障害などのヒューマンエラーが道路事故の約93％を占めています。AVにAIをセンサーやアルゴリズムの形で活用することで、より安全で確実な輸送手段が実現し、ヒューマンエラーによる犠牲者を大幅に減らすことができます。AIは環境を学習し適応する能力により、複雑な道路や状況の処理に熟練します。
AIはAVでさまざまな方法で活用されています：
- この技術は、車両に分析機能を装備し、他のドライバーや歩行者の行動を予測し、問題を予測して未然に防ぐことで、AVがそれらを予測できるようにします。
- 機械学習を活用し、ラベル付きデータセットで入力と出力を正しくマッピングするモデルを訓練することで、AIはAVの物体認識とモデリングを支援します。一方、ラベルなしデータセットで訓練されたモデルは、異常検知や複雑な状況の理解、特徴抽出に役立ちます。
- AVはカメラ、Lidar、レーダー、超音波センサーなどのセンサーに依存して周囲の情報を取得します。ここでAIアルゴリズムがデータを解析し、詳細なマップを生成することで、AVは情報に基づいた判断が可能になります。
- 自然言語処理（NLP）を活用することで、AVは音声認識を用いて乗客と対話できます。これにより、AIは車両が人間の問い合わせを理解し、効果的に応答できるよう支援します。
- リアルタイムのセンサーデータに基づく即時判断を可能にすることで、AIはAVが減速すべきか停止すべきかを決定します。このように、AIは人間がミスしやすい危険な状況でAVを支援します。技術はセンサー全体のデータフィードを解析し、交差交通の検知、死角のアクティブモニタリング、信号との同期、緊急時の車両制御においてはるかに優れた性能を発揮します。
全体として、AVにおけるAIはリアルタイムでデータを収集し、物体を検出・識別し、軌道を最適化し、道路状況をナビゲートし、故障を予測します。これらのAI活用事例は、自律走行車が交通渋滞の削減、エネルギー節約の加速、アクセシビリティの向上、効率性の向上、安全性の向上を実現するのに寄与します。
すでにこの技術は世界中の自動車メーカーで活用されています。例えば、TeslaのAutopilotは30億マイル以上をこのモードで走行しており、ほぼ10年にわたって実績があります。Elon Musk率いるTeslaは高度なAIアルゴリズムを活用し、正確な制御を実現しています。
Waymoは、複雑なルート計画と環境へのインテリジェントな反応のためにAIベースの自動運転システムを使用しています。同社はシミュレーションで数百億マイルの走行テストを行っています。
Daimlerのデジタルアシスタント、AudiのR10 e-tron SUV、Mercedes-BenzのEQR4自律走行システムなどが他の例です。その他の主要なAI活用企業として、BMW、GM、Nissan、Uber、Volvo、Bosch、Mobileye、Valeo、Continental、Velodyne、Nvidia、Fordが挙げられます。
こちらをクリックして、2023年がAIのブレークスルー年であったことと、今後の見通しについて学んでください。
自律走行車分野における最重要AIブレークスルー
2023年はAIの進歩が芸術、金融、医療、教育から気候変動、研究、資金調達、そして自律走行車に至るまで大きな影響を与えた素晴らしい年でした。そこで、2023年に自律走行車分野で起きた最も重要なAIブレークスルーを見てみましょう。
最近、韓国・仁川国立大学（INU）の研究者らは新しいエンドツーエンドの3D物体検出システムを開発しました。このシステムはディープラーニングとIoTを組み合わせたもので、悪条件下でもAVの検出能力を向上させます。
カメラ、Lidar、レーダーなどのセンサーが遮蔽、天候、道路の乱れに弱いという課題に対し、本研究はYOLOv3（You Only Look Once）アルゴリズムを拡張し、IoTを組み込んで3D物体を識別できるようにしました。IoTは物体間のデータ交換とインターネット上での通信を可能にします。
提案されたシステムはRGB画像と点群データを入力として処理し、障害物を識別するためのバウンディングボックスを評価・ラベル付けして出力します。このシステムは多様なアイテムの検出に長け、スケールや回転の変化にも対応できます。
本システムはLyftデータセットでテストされ、精度が高くレイテンシが低いことが示されました。チームによれば、提案システムの汎用性は自律走行車に留まらず、監視、ロボティクス、ゲームなどへの応用も期待されています。
別のプロジェクトであるHelm.aiは、ドライバーの意図を予測し最適な経路を計画するAIブレークスルーを実現しました。ロボットと車両の自動化向けAIソフトウェアを開発する同社は、これによりHelm.aiがスケーラブルなL2/L3およびL4展開を可能にすると発表しました。
同社のDNNベースの基盤モデルは、独自技術であるDeep Teachingを用いて訓練されており、複雑な走行環境の実走行データを活用しています。
現在、そのモデルは周囲の車両や歩行者を分析し、さまざまな都市状況での行動を正確に予測し、AVが最も効率的で安全な経路を生成できるようにします。同社のプラットフォームは異なるハードウェア構成とシームレスに連携し、効率的な訓練と検証を可能にします。
「我々のソフトウェアプラットフォームは、都市環境における重要な認識課題に対処し、AI駆動の意図予測と経路計画のスケーラブルな開発と検証への道を切り開きます。」
– Vladislav Voroninski、Helm.ai CEO
今年、電気自動車の先駆者であるTeslaはFull Self-Driving（FSD）ソフトウェアでも進展を遂げました。最新バージョンの12（v12）は、同社がレベル4またはレベル5の自律性にさらに近づくことを可能にします。
8月に、MuskはFSD v12が自律走行し、平行駐車、信号遵守、ラウンドアバウトの走行などのタスクを実演しました。このバージョンが従来と異なる点は、AI駆動の自己学習ニューラルネットワークに大きく依存していることです。
これは、人間のプログラマーがシナリオごとにハードコードする代わりに、AIがTesla車両から収集された膨大なデータを分析し、最適な応答を選択することを意味します。
この開発により、Teslaはロボタクシー事業という大きな目標に一歩近づきました。Ark Investによれば、たとえ弱気シナリオでも年間売上は2,000億ドル（楽観的シナリオでは6,000億ドル超）に達すると見込まれています。
今年初め、AV向けの別のブレークスルーとして、カメラ画像システム「HADAR（Heat-Assisted Detection and Ranging）」が登場しました。
ミシガン州立大学とパーデュー大学の研究者はAIを用いてHADARを開発し、熱サインを解釈して光学的な雑音を除去しつつ、詳細で鮮明な画像を提供します。
彼らのAIモデルは商用赤外線カメラからデータを収集し、物体と周囲の物理特性を認識する機械学習アルゴリズムを活用して、夜間でもクリアなシーンを再構築します。
このシステムは熱放射パターン、材料形成、温度を高精度で検出できるため、非接触型公共セキュリティスクリーニングや暗闇への恐怖克服など、幅広い可能性があります。しかし、機器コストやリアルタイム校正の必要性といった課題も残っています。
Ford Motor Companyは、ハンズフリーで視線を道路から外した自動運転システムを開発するために、完全子会社のLatitude AIを設立しました。同社はすでにFord BlueCruiseで5,000万マイル以上のハンズフリー走行を達成しています。
Latitudeでは、長時間の高速走行や渋滞など、運転が退屈でストレスフルになる時間帯を自動化することが目的です。
「自動運転技術は、人と車の関係を再定義する機会と捉えています。」
結論
このように、人間の支援レベルに応じて自律走行車はドライバー支援の自動化、部分的自動運転、高度自動運転、完全自動運転、完全自律車の5つのカテゴリに分類されます。AIの登場により、AVが最終段階に到達する可能性はかつてないほど近づいています。
自動車産業におけるAI市場の将来は明らかに有望です。2022年は60億ドルを超え、2032年までに年平均成長率55％で成長すると予測されています。
センサー技術、コンピューティングパワー、予知保全ソリューションなどのAIアルゴリズムの進歩は、自律走行車が直面する課題をさらに克服し、主流採用を実現するのに役立ちます！
