自動運転車 への道筋における技術進歩の速度は、特にここ1-2年の間に急速なものとなっています。主な改善は、より低いレベルの自律性で達成されています。車線逸脱システムは、単に警告を発するだけのものから、完全にアクティブな車線維持に進化しています。 前方衝突システムは性能と範囲が向上し、アクティブブレーキと、他の車両だけでなくサイクリストや歩行者を検知する機能を提供するようになりました。しかし、一般的な人間のドライバーが持つセンシングの範囲は、機械が達成できる範囲に比べて多くの分野でまだはるかに進んでおり、多くの重要な分野でSAEレベル4の自動化に必要な性能と範囲を提供するセンサーの実現にはまだ時間がかかると思われます。今週のインサイトでは、特に困難な、あるいはまだ全く解決されていないシナリオをいくつか取り上げます。
技術的課題1:前方道路における車両のブレーキ性能の予測
前方衝突警告システムや自律型緊急ブレーキシステムは、衝突事象の回避や軽減を判断する際に、路面が提供するグリップ力を理解する必要があります。しかし、路面摩擦の予測方法は困難です。
SBDが考える解決策
車両直前の「グリップ性能」を推定するには、主に2つのアプローチがある。
ONE:オンボード・アプローチ 二:クラウドベースのマッピングアプローチ
1つ目のアプローチは、センサーデータ（音響、温度など）とタイヤと路面の摩擦パラメータ、または車両やホイールの動的挙動を関連付けることで摩擦を推定するものである。もう一つは、車載センサーで計測した摩擦情報を継続的に送信する複数の車両からの入力をもとに、クラウドベースで包括的な摩擦マップを構築する方法である。詳細な路面状態のデータベースが作成されると、その情報はリアルタイムで車両にフィードバックされ、グリップとブレーキのモデルをサポートすることができます。実際には、両方のアプローチを取り入れ、さらにリアルタイムの気象データを利用してグリップを修正するソリューションが必要になる可能性が高く、安全な自律走行に適した信頼性レベルを達成するためには、かなりの機械学習が必要になると思われる。
技術課題2：歩行者の将来軌道の予測
歩行者を含む環境において自律走行する車両は、近くにいる歩行者の将来の進路を予測し、それに応じて衝突を回避するために進路を調整する必要があります。しかし、人間の動きを予測することは困難です。なぜなら、人間は多くの緩やかな常識的ルールや社会的慣習に従う傾向があるからです。
SBDが考える解決策
スタンフォード大学と東京大学は、人間の動きを学習・予測できるLSTM（Long Short-Term Memory）などの様々なモデルを用いて、歩行者の軌跡予測の側面から研究を行っています。東京大学は、さらにエンコーダ・デコーダLSTMを用いたモデルを開発し、運動軌跡と人間とのインタラクションを符号化し、長い軌跡のシーケンスを予測することを目指しています。まだ道半ばではありますが、これらの予測モデルによって、ようやくロバストなソリューションが提供できるようになるかもしれません。
TECHNICAL CHALLENGE 3: 路上のゴミ、ぶつけられる？
前方の道路にがれきを見つけたとき、ほとんどの人間のドライバーは、予想外のものに到達する前に、それを避けるか、通り抜けるかを判断することができます。この短い時間の間に、ドライバーはさまざまなリスク計算も行っており、認識できるサイズ、重量、密度に基づき、停止、旋回、または破片の中を走行することの相対的なリスクを計量しています。自律走行車が破片に遭遇した場合、通常、4段階のプロセスを経て、取るべき行動を決定します。その段階とは、以下の通りです。
ONE:特定する TWO:分類する 三:項目を理解する 四:走り抜ける、避ける、止まる
SBDが考える解決策
ステージ1と2は難しいが、実世界で学習させたニューラルネットワークを使えば、遭遇するほとんどの物体を検出することが可能である。早期の識別が望ましい。そうすることで、システムは後続のステージのための時間をより多く確保することができる。分類データベースを完成させるためには、あまり頻繁に遭遇しないもの（例えば、トラックから落ちたソファなど）の分類を支援するための追加トレーニングが必要になります。ステージ3では、対象物の全体像を把握するために、複数のセンサーを融合させる。例えば、樽型のものが見つかった場合、その樽は何でできているのか？空なのか、満タンなのか？最終的には、対象物に当てるか外すかですが、これは破片の動的な挙動によって複雑になります。最初に識別してから到着するまでの間に移動する可能性が非常に高く、その移動は天候や自車両と対象物の間にある他の車両の挙動など、さまざまな要因に左右されるからです。歩行者の軌跡について述べたのと同様のモデリング技術を用いることで、将来的にはこの課題に対する解決策を提供できるかもしれません。
テクニカルチャレンジ4:異なる気象条件の管理
現在の光学センシングシステムは、濃い霧や雪、激しい雨の中ではうまく作動しません。このような条件下では、動作可能な範囲が狭くなり、まったく動作しなくなることさえある。人間は、たとえ濃霧や雪、雨であっても、多少遅れても安全に目的地に到着することができるため、ほとんどの状況で運転することができます。
SBDが考える解決策
この1年ほどの間に、ある解決策が試行され始めています。RADARは異常気象の影響を受けにくいので、この課題に対する解決策を提供できるかもしれません。路面下の地形を分析し、その結果を道路網のデータベースと比較するために、地面向きのRADARが開発されています。将来的には、この情報をもとに、どんな天候でも高速道路で車線を維持し、走り続けることができるようになることが期待されています。
課題
「これらの課題は、SAEレベル4車両を安全に導入するための大きな障壁となっています。 シニア自律走行技術コンサルタント、ディーパ・ランガラジャンは言う。 は言う。SBD Automotive 。「このような高度な自律走行が導入されない理由として、法的枠組みが喧伝されることがよくあるが、実際には、重要な技術的課題の多くはまだ解決されていない。時間と努力は必要かもしれないが、法律は変えることができても物理法則は変えることができない。