自動運転車両の地形相対ナビゲーションを可能にするアルゴリズム

カリフォルニア工科大学（Caltech）の研究者が開発した新しいディープラーニングアルゴリズムにより、自動運転システムが周囲の地形を観察することで自身の位置を認識できるようになった。これは、初めて地形の季節的な変化に関係なく機能する技術である。

この研究は、2023年6月23日にアメリカ科学振興協会（AAAS）が発行するScience Robotics誌に掲載された。

視覚的地形相対ナビゲーション

このプロセスは、視覚的地形相対ナビゲーション（VTRN）と呼ばれ、1960年代に初めて開発された。自動運転システムは、近くの地形と高解像度の衛星画像を比較することで、VTRNを使用して自身の位置を特定できる。

しかし、現在のVTRNシステムは、観測する地形がデータベース内の画像と密接に一致することを要求する。雪や落葉などの地形の変化は、システムが非一致する画像から失敗する原因となる。これは、VTRNシステムが簡単に混乱する可能性があることを意味し、想定可能なすべての条件での風景画像のデータベースが必要となる。

このプロジェクトに携わっているチームは、Soon-Jo Chungの研究所から来ている。チームは、VTRNシステムに問題を引き起こす可能性のある季節的なコンテンツを除去するために、ディープラーニングと人工知能（AI）を使用した。

Anthony Fragosoは、講師およびスタッフ科学者であり、Science Robotics論文の第一著者である。

「現在の技術では、衛星画像と自動運転車両からの画像の両方が、同じコンテンツを含む必要がある」とFragosoは述べている。 「現在の技術では、Instagramのフィルターで画像の色調を変更することしかできない。実際のシステムでは、季節によって大幅に変化するため、画像は同じオブジェクトを含まない」と。

https://www.youtube.com/watch?v=U5Kr0YI3sec

自己教師あり学習

このプロセスは、ChungとFragosoによって、大学院生のConnor Leeと学部生のAustin McCoyの協力の下で開発された。自己教師あり学習と呼ばれる手法を使用する。

この手法では、人間のアノテーターが大規模なデータセットをキュレーションしてアルゴリズムに何かを認識させる必要がない。代わりに、アルゴリズムは自分で学習する。AIは、人間の目で見逃す詳細や特徴を抽出することで、画像の中にパターンを検出する。

新しいシステムを現在のVTRNシステムに組み合わせることで、より正確な位置特定が可能になる。研究者は、夏の葉の付いた画像と冬の葉のない画像を使用して、相関ベースのVTRN技術で位置特定を試みた。結果は、50%の試行でナビゲーションに失敗したが、新しいアルゴリズムをVTRNシステムに組み込むと、92%の試行で正しく位置特定され、残りの8%は事前に問題であることがわかった。

「コンピューターは、人間の目に見えないパターンを検出でき、最小の傾向も検出できる」とLeeは述べている。 「VTRNは、一般的だが課題のある環境で実現不可能な技術になる危険性があった。私たちは、数十年の課題を解決するためにこの問題を解決した」。

宇宙での応用

この新しいシステムは、地球上の自動運転ドローンだけでなく、宇宙ミッションでも使用できる。JPLのマーズ2020パーセュヴィアランスローバーミッションでは、ジェゼロクレーターへの着陸時にVTRNを使用したが、これまでには危険とみなされていた。

Chungによると、パーセュヴィアランスローバーのようなローバーでは、「地球と火星の間の通信に7分かかるため、ある程度の自律走行が必要である」という。火星にはGPSがない。

チームは、新しいシステムが、季節的な変化が激しい火星の極域でも使用でき、科学的な目的を支援するナビゲーションの改善を可能にすると考えている。たとえば、水の探索などである。

チームは、霧、雨、雪などの気象条件に対応するために技術を拡張する予定である。これにより、自動運転車のナビゲーションシステムが改善される可能性がある。