Oksana Medvedieva

自動運転車はなぜ未来であり、どのように作られるのか？

世界中のほぼすべての地域で最近導入された適応型の検疫措置により、航空旅行、公共交通機関、他の多くの業界は2020年に大きな打撃を受けた。しかし、自動車業界、特に自動運転車は、この難しい時期に耐久性を示した。実際、フォードなどの企業は、去年4分期に電気自動車と自動運転車の開発に299億ドルを割り当て、自動運転車の開発に70億ドルを投資した。したがって、フォードはゼネラルモーターズ、テスラ、バイドゥ、他の自動車メーカーとともに、自動運転車に大量に投資する企業に加わった。この記事では、企業が自動運転車に投資する理由と、自動運転車を動かすマシンラーニングアルゴリズムがどのように訓練されるかについて説明する。なぜ多くの企業が自動運転車に投資しているのか?自動運転車が提供する利点をすべて見ると、多くの企業が自動運転車の開発に投資する理由は明らかである。運転手は、高額な保険プランの料金を支払わなくても済むため、金を節約できる。また、日常の通勤時間を短縮し、燃費を改善するなど、多くの利点がある。企業にとって、この自動化により、より大きな節約が可能になる。自動運転トラックの例は、運営コストを45%削減できるというマッキンゼー社の報告書に示されている。主な利点は、安全性の向上である。NHTSAによると、94%の深刻な事故は人間のミスによるものである。自動運転車は、運転手の入力を必要とせず、常に360度の視野を持つことができるため、事故の数を大幅に減らすことができる。また、先進的な運転支援システム（ADAS）は、ブレーキやステアリングなどの安全に重要な機能を危険な状況で担うことができる。自動運転車が社会に提供する追加の価値は、排出量の削減である。実際、基本的なケースでは、従来の車両と比較して、車両の全ライフサイクルでエネルギーと温室効果ガスの排出量が9%削減された。自動運転車の利点をすべて知ったので、周囲の世界を認識するためにどのように訓練されるかを見てみましょう。自動運転車はどのように動作し、自動運転車が現実になる方法自動運転車は道路のルールを遵守する必要があり、さまざまな交通標識、道路標示、他の車両や歩行者、数えきれないほどの物体を認識する必要がある。これらのAI車両は、さまざまな運転状況で何をしなければならないかを「計算」するために、マシンラーニングに依存している。基本的な例から始めましょう。誰かが自動運転車に乗って高速道路を走って仕事に行く場合、車は正しく速度制限を認識し、前の車から安全な距離を保ち、住宅街に入ったときに歩行者を認識し、道路を渡ることを許可する必要がある。これには、ラベリングからセマンティックセグメンテーションまで、さまざまな手法を使用して、数千の画像を注釈付ける必要がある。実際、Mindy SupportのCEOであるEvgenia Khimenkoによると、自動車業界のための幅広いデータ注釈プロジェクトが可能である。「これらには、自動運転車が道路上の他の運転手の動作を認識するために、ビデオの顔認識、車両の動きと方向を検出するためのビデオのラベル付けと注釈付け（私たちが545百万を超える画像シーケンスを注釈付けた）、および車内での人間の声、ラジオ、笑い、叫び、歌、動物、そして沈黙など、背景ノイズを識別するための高度なオーディオ注釈タスクが含まれる」。複雑なシナリオを考えてみましょう。自動運転車が住宅街を走行し、道路を渡ろうとしているスケートボードを持った若者たちがいる場合を想像してみましょう。ルールによると、車には優先権があるが、若者たちが信号が青になるのを待たずに道路を渡ろうとする可能性がある。人間の運転手はそのようなリスクを認識し、事前に減速するが、機械にとってはそれを計算することは非常に難しい。自動運転車の次のステップとして、研究者はこれを達成しようとしており、単にさらに多くの注釈付きデータが答えとなる可能性がある。自動運転車は物理的な世界をどう見ているのか?自動運転車は、LiDAR技術に頼って周囲の世界を見る。LiDARは、AIシステムが世界をどのように見ているかをデジタルで表現した3Dポイントクラウドを作成する。この技術は自動運転車に限定されず、農業部門の作物収穫ロボットの作成などの他のロボットプロセス自動化ジョブでも使用される。3Dポイントクラウドも、機械が何を見ているかを理解するために注釈付けする必要がある。これは、ラベリング、3Dボックス、セマンティックセグメンテーションなどの手法で行われる。より高度な注釈付け方法としては、3Dポイントクラウドをカラーコード化して、車両が物体の距離を理解できるようにする。LiDARの作動方法は、周囲のすべての物体に光信号を送信し、光が戻ってくるまでの時間に応じて、AIに物体の距離を理解させる。たとえば、3Dポイントクラウドの地面は常に青色である。光はすぐに反射されるため、青色には非常に短い波長がある。周囲の建物は、どのくらい遠いかに応じて赤またはオレンジ色になる。LiDARだけが利用できる技術ではないことに注意する価値がある。たとえば、テスラは、8つのカメラが道路の完全な画像をまとめるHydrantと呼ばれるものを使用する。WaymoやVoyageなどの他の企業はLiDARを使用する。テスラがLiDARを避けている可能性のある理由の1つは、LiDARが非常に大きくて、車の外観を損なうことである。テスラは非常に高価で、運転手は車の屋根に大きな箱を置きたくないだろう。Waymoのようなロボタクシを開発している企業は、LiDARを使用できるかもしれない。高品質の訓練データはなぜ重要か?高品質の訓練データを持つことは、自動運転車を作成するために必要な最も重要なものの1つである。ただし、単にこのデータを取得することは不十分である。訓練データセットは、AIシステムがそれらから学ぶために、データ注釈付けを介して準備される必要がある。これは非常に時間がかかり、退屈なプロセスであるが、プロジェクトの成功はそれに依存する。自動運転車は未来であり、自動車事故や死者、環境問題、道路の混雑などの問題を軽減または排除するのに役立つ可能性がある。