自動運転タクシーの応用では、同一エリア内で複数の車両が同時に運行するため、同時に車両需要が高まる可能性があり、配車においても自動運転システムが全タクシーに最適なルートを計画することが求められます。また、車両の需要がいつ、どこで発生するかを予測することは、その後の自動運転システムが実現すべき車両スケジュール機能の基本機能でもある。複雑なアプリケーション シナリオに将来の需要の予測を追加し、対応する意思決定の結果を瞬時に提供することは、現時点では AI のみが可能です。
自動運転システムにおける人間とコンピューターのインタラクションの進化
運転手や安全管理者がいない自動運転車では、乗員の状態やニーズを正確に把握することが最も重要です。その後、システムがドライバーに代わって車両の現在の運転状況情報の返信や報告を行い、運転中に同乗者と必要なコミュニケーションを完了します。これらの要件はまさに AI が得意とするものです。
AI時代、自動運転技術は急速に進化
出典: 自動車試験ネットワーク
作者: 北斗
北斗の紹介: スマート コックピットおよびナビゲーションおよびエンターテイメント システムの開発と管理で 10 年の経験、自動運転の製品化で 3 年の経験、自動運転シミュレーション テスト環境の構築で 5 年の経験。
近年、政策と市場の強化に伴い、自動運転産業はその導入を加速し、基本的なサポート産業チェーンと市場開発はますます成熟してきました。 2020 年以降、自動運転業界は正式に「黄金の 10 年」に入り、2030 年までに我が国の無人車両の市場シェアは 50% を超え、無人車両サービスの市場規模は1.3兆に達します。技術開発動向の観点から見ると、我が国の自動運転技術産業は現在、一台知能から車路連携の時代へ進化しており、この進化を支えるのがAI（人工知能）技術である。ディープラーニングによる第三次AIブームがAI時代の到来を促しました。 **この記事は、AI時代の自動運転分野におけるAI技術応用の進化の分析と紹介に焦点を当てています。 **
自動運転システムの進化
1.自動運転画像解析におけるAI
自動運転システムでは、車両にカメラ、ミリ波レーダー、ライダーなどの各種知覚センサーを搭載し、知覚により得られたデータを解析し、AIデータの結果に基づいて車両制御を判断します。分析。
カメラなどの知覚センサーで得られる生データは、赤ちゃんのように初期段階では分類する機能がシステムに備わっていないため、自動運転システムが直接判断することはできません。そのため、まずはデータを一つ一つ分類して分類していく必要があるのですが、この作業がデータアノテーションです。さまざまな交通施設 (車線、道路標識、信号機など)、さまざまな交通参加者 (歩行者、自転車、乗用車、商用車、特殊車両など) のすべての交通および道路関連要素を分類し、マークします。
自動運転システムの処理装置はこれらのアノテーションと分類結果を基礎として使用し、AIは分類されたさまざまなオブジェクトの特徴を学習します。基本データが多いほど特徴が際立ち、物体識別の精度が高くなります。 AIは自動運転システムの頭脳のようなもので、それぞれの物体の特徴を分析し、物体の見た目の特徴や動きの癖を少しずつ学習していきます。このような学習作業を繰り返すことでAIの脳は徐々に賢くなり、画像内の物体のカテゴリーを識別しながら、物体の全体的な状態も把握できるようになります。これは、私たちがよく知っているコンピューター ビジョン関連テクノロジの分野でのアプリケーションです。また、AIによる分類・区別・ラベリング作業を自動化することも可能です。
2. 自動運転の意思決定における AI
コンピュータビジョンにより、知覚センサーで得られたデータの全体的な状態把握を実現し、それに基づいて車両制御の判断・決定を行うことができます。まさに、AIによる自動運転技術の進化が進んでいるのです。
AIは感覚データに基づいて、人間の運転習慣と同様の判断を最短時間で行います。画像処理のリアルタイム性や瞬時の判断・意思決定を実現するために、現場では強力なデータ処理能力に基づく高精度なAIの開発が強く求められています。
3. 自動運転予測制御におけるAI
判断判断の要素の一つに「予測」があります。前を走る車両や歩行者が次にどのように動くのか、AIは交通環境内のあらゆる物体の起こり得る行動を事前に予測し、その予測に基づいて車両制御を実現する必要があります。
AI から見た「トロッコ問題」
自動運転車が片側一車線の両側に木々が茂る道路を走行中、突然ブレーキが利かなくなり、前方の道路に老人がいて、道路を横断中の赤ちゃんがいたとします。これは実は「トロッコ問題」をデフォルメしたものです。システムの予測能力の範囲を超えた場合、自動運転車は極限状況での意思決定や判断ができなくなり、意思決定の衝突状態がシステムセキュリティのアキレス腱となる。常識的な判断論理に基づいて、人員の安全を危険にさらさないためには、自動運転車が急旋回して木に衝突するしかありません。システムが運転や乗員の傷害を避けられない究極の選択を迫られたとき、AIがどのような判断を下すべきか、自車以外の人を守るべきか、自車のドライバーを守るべきか、実は開発者の意図の一部が反映される? 乗客はどこにいるのですか?それとも人の数で判断すべきなのか、それともブレーキを踏んで自然の成り行きに任せて最善を尽くすべきなのか。
実際、この問題は常に議論の余地があり、人間が正確な結論を出すのは簡単ではありません。しかし、一部の地域では、政府が同様の問題を規制する法律を可決しました。例えば、ドイツで可決・施行された「自動運転法（改正道路交通法）」では、「人身傷害の危険が避けられない場合、事故防止システムは人命を軽視しない意思決定能力を備えていなければならない」と規定されている。これは、AI にそのような問題に対する明確な意思決定の方向性も提供します。
自動運転システムのための経路計画の進化
ルートや目的地を総合的に判断し、最適なルートを計画することは自動運転車に必要なスキルの一つです。ルートを計画する際には、渋滞予測や目的地間の道路工事を考慮するだけでなく、車線レベルでの最適なルート計画を選択する必要があり、複数の乗客のルートの利便性を確保しつつ、最も効果的かつ効率的なルート計画を実現する必要があります。パスを実行する順番を瞬時に判断し、最短パスの計画を立てることができます。
システムの機能を継続的に向上させるためには、計画ルートにおける実際の事故率のリスク分析や、通過する道路の交通状況、曲がり角、信号の数などの情報に基づいたデータ分析が必要です。計画されたルートを通じて、ルート計画戦略を徐々に最適化し、最終的にシステム計画能力を向上させます。
自動運転タクシーの応用では、同一エリア内で複数の車両が同時に運行するため、同時に車両需要が高まる可能性があり、配車においても自動運転システムが全タクシーに最適なルートを計画することが求められます。また、車両の需要がいつ、どこで発生するかを予測することは、その後の自動運転システムが実現すべき車両スケジュール機能の基本機能でもある。複雑なアプリケーション シナリオに将来の需要の予測を追加し、対応する意思決定の結果を瞬時に提供することは、現時点では AI のみが可能です。
自動運転システムにおける人間とコンピューターのインタラクションの進化
運転手や安全管理者がいない自動運転車では、乗員の状態やニーズを正確に把握することが最も重要です。その後、システムがドライバーに代わって車両の現在の運転状況情報の返信や報告を行い、運転中に同乗者と必要なコミュニケーションを完了します。これらの要件はまさに AI が得意とするものです。
乗客と自動運転車との間のコミュニケーションには、現在携帯電話やタブレットで広く使用されている音声認識技術も使用されます。人間の言語は表面的な意味だけでなく、理解が難しい拡張的な意味を持っていることが多いですが、AIの介入により、「レストランに行きます」という基本的な明確な指示からシステムの理解能力が徐々に向上し、理解できるようになるでしょう。さらなる理解が必要な乗客 「おいしいものを食べたい」という本当のニーズを漠然と指示するのは、実はAIの得意分野だ。
AIは乗員からのさまざまな指示を理解するだけでなく、車内のカメラなどのセンサーで収集した情報をもとに乗員の状態を分析し、乗員が自ら考え、対応策を主体的に実行できるようになります。たとえば、AI が乗員が寝ていると判断した場合、車内の照明の明るさを落としたり、睡眠を助けるためにリラックスできる音楽を流すことを検討できます。乗客の咳が続いたり体温が上昇したりした場合は、ルート沿いの近くの薬局や診療所に積極的に注意を喚起してください。
将来の自動運転車では、AIが乗客をまるでVIP顧客であるかのように扱い、きめ細やかなサービスを提供するようになる。特に 2023 年には、ChatGPT のリリースにより、AI ブームの新たな波が起こるでしょう。自動運転車では、AI が音声を使って他の人の質問に答えることは、すでに避けられない機能の進化です。
自動運転システムにおけるクラウドとエッジ コンピューティングの進化
自動運転車が処理する必要があるデータは徐々に増加し続けるため、単純な車両端末ではデータ処理に必要な計算能力を徐々に満たせなくなります。処理ニーズに応えるため、データをクラウドに送信し、クラウドAIでデータを処理・分析し、いつでもAI分析結果を自動運転車端末に送り返すことができる開発を実現しました。 AIの標準的なデータ処理方式であり、自動運転の標準アーキテクチャの一つ。
データ送信プロセス全体でデータ拡張が確実に発生し、データのリアルタイム性が損なわれる可能性があります。この課題を解決するには、無線通信の通信速度や通信データ量の最適化・向上が必要となる一方、AIによる自動運転車へのエッジコンピューティング技術の開発・応用も推進されており、これにより、車両のデータ前処理機能がさらに強化されました。
要約
一般的に言えば、デジタル時代に入って以来、AI はあらゆる分野に深く力を与えており、「ビッグモデル」時代の到来により、AI 業界は自動車を含むより伝統的な産業と交差し、進化してきました。推進力。 AI は徐々にドライバーに取って代わり、運転環境の認識、経路計画、車両制御、乗客との対話などの多くの側面で安全性、正確性、快適性を向上および進化させてきました。 AI時代においても、自動運転技術は急速な進化を維持し、自動運転車の包括的な応用が促進されることが予想されます。