AIセンサーは雪の多い都市での自動運転車に役立つ可能性がある

自動運転車が直面している最大の課題の1つは、悪天候での運転が苦手で、雪の多い都市での導入を制限していることである。デトロイトやシカゴのような都市では、車両は障害物を検出して道路の正しい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るが、このデータは雪の中で苦労する。

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、自動運転車の雪の多い運転シナリオに対する新しい解決策について議論した。

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を備えたもの、オン/オフのセルフドライブモードを備えたものなど、幅広い種類がある。最も優れた車両は完全に独自に運行できる。

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不断に技術とアルゴリズムを改善している。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多い。

人間のセンサー

人間の目も一種のセンサーであり、バランスと運動を感知する。私たちの脳はプロセッサとして機能し、環境を理解するのに役立つ。これらは一緒に、新しいシナリオであっても、脳が新しい経験を一般化できるため、すべてのシナリオで運転できる。

自動運転車には通常、ジンバルに取り付けられた2つのカメラが搭載されており、ステレオビジョンを使用して人間の視覚を模倣する。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る。コンピューターは、すでに遭遇したシナリオやプログラムで認識できるシナリオにのみ反応できる。

センサーフュージョン

自動運転車は、タスク固有のAIアルゴリズムに依存しており、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ある。

Nathir Rawashdehは、ミシガン工科大学のコンピューティング学部の助教授であり、この研究の共同著者の一人である。

“すべてのセンサーには限界があり、すべてのセンサーは他のセンサーの背中を守る”,” Rawashdehは言った。”センサーフュージョンは、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する。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ない。那は私たちがAIが必要な理由である。”

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Nader Abu-Alrub、電気電子工学の助教授であるJeremy Bosが含まれる。他の共同研究者には、Bosの研究室の修士課程の学生および卒業生であるAkhil Kurup、Derek Chopp、Zach Jeffreiesが含まれる。

自動運転センサーとセルフドライブアルゴリズムは、ほぼ独占的に、晴天や快晴の景色で開発されている。Bosの研究室は、ミシガン工科大学の自動運転車で大量の雪の中でデータを収集し始め、ドイツとノルウェーの雪の道路から1,000フレーム以上のリダール、レーダー、画像データを収集した。

Bosによると、雪の種類の多様性により、センサーの検出が困難になる。データを事前に処理し、正確なラベル付けを確実に行うことが重要である。

“すべての雪は同じではない”、Bosは言った。”AIはシェフのように、良質の材料があれば、優れた料理になる”と彼は言った。”AIの学習ネットワークに汚れたセンサーデータを与えると、悪い結果になる。”

低品質のデータや汚れ、センサーへの雪の蓄積など、他の大きな課題もある。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一致しない。センサーとリスク評価がコミュニケーションをとり、互いに学習することは非常に難しいが、チームはセンサーフュージョンを使用して、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る。

“厳密に投票するのではなく、センサーフュージョンを使用して新しい推定値を導き出す”、Bosは言う。

自動運転車のセンサーは、悪天候での運転で学習し、改善を続けるだろう。センサーフュージョンなどの新しいアプローチは、雪の多い道路での自動運転車の道を切り開くかもしれない。