自動運転車の雪道での運用を支援するAIセンサー

自動運転車が直面している最大の課題の1つは、悪天候での運行が難しいことです。これは、デトロイトやシカゴのような雪道での実装を大幅に制限します。車両は、障害物を検出して正しい道路の側を走行するために、重要なセンサーデータに依存していますが、このデータは雪の中で苦労しています。

ミシガン工科大学の研究者は、SPIE Defense + Commercial Sensing 2021で発表された2つの新しい論文で、自動運転車の雪道での運行シナリオに対する新しい解決策について議論しました。

自動運転車には、ブラインドスポットやブレーキアシスト機能を持つものや、オン/オフのセルフドライブモードを持つものなど、さまざまな種類があります。いくつかの車両は完全に独自に運行できます。

この技術はまだ多くの点で未成熟であるため、自動車メーカーと研究大学は、技術とアルゴリズムの改善に継続的に取り組んでいます。事故が発生する場合、車のAIまたは人間のミスによるものであることがよくあります。

人間のセンサー

人間の目もまた、バランスと運動を感知するセンサーの一種です。私たちの脳は、プロセッサとして機能し、我々が環境を理解することを助けます。これらは一緒に、我々が新しいシナリオでも運転できるようにし、我々の脳は新しい経験を一般化することができます。

自動運転車には通常、ジンバルに取り付けられた2つのカメラがあり、ステレオビジョンを使用して人間の視覚を模倣します。同時に、慣性測定ユニットを使用してバランスと運動を測定できます。コンピューターは、前に遭遇したシナリオまたはすでに認識するようにプログラムされているシナリオにのみ反応できます。

センサー融合

自動運転車は、タスク固有のAIアルゴリズムに依存し、魚眼カメラ、赤外線センサー、レーダー、光検出、リダールなどの複数のセンサーが必要です。

ナディール・ラワシュダは、ミシガン工科大学の計算機科学部の助教授であり、研究の共同著者の一人です。

「各センサーには限界があり、各センサーは他のセンサーの背中を守っています。センサー融合は、さまざまなモダリティの複数のセンサーを使用してシーンを理解します。入力が難しいパターンを持つ場合、すべての詳細を網羅的にプログラムすることはできません。そのため、AIが必要です。」

研究の共同研究者には、電気電子工学の博士課程の学生であるナデル・アブ＝アルルブ、電気電子工学の助教授であるジェレミー・ボスが含まれます。他の共同研究者には、ボスの研究室の修士課程の学生や卒業生であるアキル・クルップ、デレク・チョップ、ザック・ジェフリーズが含まれます。

自動運転センサーとセルフドライブアルゴリズムは、ほぼすべて、晴天や明るい景色で開発されています。ボスの研究室は、ミシガン工科大学の自動運転車で雪の中でデータを収集し始め、ドイツとノルウェーの雪道からリダール、レーダー、画像データの1000フレーム以上を収集しました。

ボスによると、センサー検出は、雪の種類の多様性により困難です。データを事前に処理して、正確なラベル付けを確実に行うことが重要です。

「すべての雪は同じではありません」とボスは言います。「AIはシェフのようなものです。良質の材料があれば、素晴らしい料理になります。センサーから学習ネットワークに汚れたデータを与えると、悪い結果になるでしょう。」

その他の大きな課題には、低品質のデータや汚れ、センサーへの雪の蓄積による問題があります。センサーがクリアされた後でも、障害物の検出について常に合意が得られるとは限りません。各センサーは独自の結論に達することが多いため、センサーとリスク評価を相互に通信させ、学習させることは非常に困難です。しかし、チームはセンサー融合を使用して、自動運転センサーが共同で結論に達することを目指しています。

「厳密な投票ではなく、センサー融合を使用して新しい推定値を算出します」とボスは述べています。

自動運転車のセンサーは、悪天候での運行を学習し、改善し続けるでしょう。センサー融合のような新しいアプローチは、雪道での自動運転車の道を開くかもしれません。