AIを用いた早期警告システムは実際の交通状況から学習する

ミュンヘン工科大学（Technical University of Munich、TUM）の研究者チームによって開発された新しい早期警告システムは、実際の交通状況から学習するためにAIを利用しています。BMWグループとの共同研究により、このシステムは現在の自律走行車両に有益であることが示されました。使用すると、7秒間の早期警告を提供できるため、車両が単独で処理できない潜在的な危険な状況に対して有効です。精度率は85%でした。

現在の自律走行車両の開発では、交通参加者の行動を分析するための高度なモデルが使用されています。しかし、これらのモデルは複雑または予測不能な状況を処理する能力を示していません。

新しい早期警告システムの開発チームは、ミュンヘン工科大学のメディアテクノロジー教授であり、ミュンヘンロボティクスと機械学習学校の理事会メンバーであるエッケハルト・スタインバッハ教授と協力しました。

「自律走行のための状態とカメラ情報の遅い融合を用いた内省的故障予測」と題された研究は、IEEE Transactions on Intelligent Transportation Systemsに掲載されました。

新しいアプローチでは、AIを使用してシステムが過去の状況から学習できるようにします。具体的には、これらの過去の状況は、自律走行車が現実の交通状況で限界に達した状況でした。これは、人間の運転手が車両の制御を取り戻す必要がある状況です。

RNNと7秒間の警告

新しいシステムでは、周囲の状況を捉えるセンサーとカメラ、ステアリングホイール角度、道路状況、天候などのステータスデータを記録します。AIシステムでは、パターンを認識するためにデータを処理できる再帰型ニューラルネットワーク（RNN）を使用します。システムが以前処理できなかった新しい運転状況を検出すると、運転手に事前に警告します。

「車両をより自律的にするために、多くの既存の方法では、車両が現在交通について何を理解しているかを研究し、それを改善するために使用されるモデルを改善しようとします。私たちの技術の大きな利点は、車両が何を考えるかを完全に無視することです。代わりに、実際に何が起こるかというデータに基づいてパターンを探します。そうすることで、AIは、モデルが認識できない、またはまだ発見していない可能性のある潜在的な危険な状況を発見します。したがって、私たちのシステムは、車両の弱点があるときとどこにあるかを知る安全機能を提供します。」とスタインバッハは述べています。

この技術はBMWグループと共同でテストされ、公道を走行する自律走行車両が分析されました。人間の運転手が介入した2500の状況で、このシステムは85%の精度で7秒間の早期警告を提供できることが示されました。

この技術では、大量のデータが必要です。システムが見た状況の数に制限されるためです。データは、現在道路上にある開発車両の数に基づいて基本的に生成されました。

「テストドライブ中に潜在的に危険な状況が発生するたびに、新しいトレーニング例が得られます。」

データは中央に保存されているため、全車両がそれから学習できます。