自動運転車の「目」となるセンサー：戦略とトレードオフの戦い

2030年までに、自動運転車市場は2.2兆ドルを超えることが予想されており、AIと先進的なセンサー技術を搭載した数百万台の車両が道路を走行することになる。しかし、この急速な成長のなかで、基本的な議論が未解決のまま残っている：どのセンサーが自動運転に最も適しているのか——ライダー、カメラ、レーダー、または何か新しいものか?

この質問は、学術的なものではなく、実際的なものである。センサーの選択は、安全性、性能、コスト、エネルギー効率など、すべての側面に影響を与える。Waymoのような企業は、冗長性と多様性に賭けており、車両に多数のライダー、カメラ、レーダーを搭載している。一方、Teslaのような企業は、よりミニマルでコスト効率の高いアプローチを採用しており、カメラとソフトウェアの革新に重点を置いている。

これらの異なる戦略を探り、技術的なパラドックスとビジネスロジックを解明することにする。

スマートマシンがスマートエネルギーソリューションを必要とする理由

これは実際に重要な問題である。2013年にドローン関連のスタートアップを立ち上げたとき、私も同様のジレンマに直面した。私たちは、人間の動きを追跡できるドローンを作成しようとしていた。当時、そのアイデアは先進的だったが、すぐに技術的なパラドックスが明らかになった。

ドローンが物体を追跡するには、センサー数据を分析する必要があり、それには計算能力——オンボードコンピューターが必要である。しかし、コンピューターがより強力である必要があるほど、エネルギー消費量も増加する。したがって、より大容量のバッテリーが必要となる。しかし、大きなバッテリーはドローンの重量を増加させ、より多くのエネルギーを必要とする。悪循環が生じる——エネルギー消費量の増加は、重量、コストの増加につながる。

同様の問題が自動運転車にも当てはまる。一方では、可能な限り多くのセンサーを搭載して、可能な限り多くのデータを収集し、同期させ、最も正確な決定を下したい。一方では、これによりシステムのコストとエネルギー消費量が大幅に増加する。センサー自体のコストだけでなく、データを処理するためのエネルギーも考慮する必要がある。

データ量は増加し、計算負荷も増加している。もちろん、時間の経過とともに、コンピューティングシステムはよりコンパクトでエネルギー効率が向上し、ソフトウェアもより最適化された。しかし、パフォーマンスのジレンマは依然として残っており、AV企業はセンサーだけでなく、計算ハードウェアと最適化アルゴリズムも改善している。

処理または認識？

パフォーマンスの問題は、システムがどのデータを削除するかを決定する必要があるため、主に計算能力の限界によるものであり、LiDAR、カメラ、レーダーセンサーの問題ではない。これらのセンサーは、車両の「目」と「耳」として機能し、環境データを継続的に収集している。しかし、オンボードコンピューティング「脳」がこれらのデータをリアルタイムで処理する能力が不足している場合、データは圧倒的なものとなる。したがって、システムは、特定の状況で特定のオブジェクトやシーンを無視して、高優先度のタスクに集中する必要がある。

この計算ボトルネックは、センサーが完璧に機能していても、車両がすべてのデータを効果的に処理することができないことを意味する。センサーを非難することは不適切である。問題はデータ処理能力にある。計算ハードウェアを強化し、アルゴリズムを最適化することは、これらの課題を軽減するために不可欠である。システムが大量のデータを処理する能力を向上させることで、自動運転車は重要な情報を欠落する可能性を減らし、より安全で信頼性の高い運行を実現できる。

ライダー、カメラ、レーダーシステム：長所と短所

どのセンサーが最も優れているかということは言えない。各センサーには独自の目的がある。問題は、特定のタスクに最適なセンサーを選択することである。

ライダーは、3Dマッピングに精密なものであるが、高価であり、雨や霧などの悪天候では機能が低下する。さらに、密なデータを処理するために大量の計算リソースを必要とする。

カメラは、コスト効率が高いが、照明条件に強く依存しており、低照度、眩しさ、または急激な照明の変化では性能が低下する。さらに、カメラには固有の深度認識能力が欠けているため、障害物や雨、雪などの悪条件では機能が低下する。

レーダーは、さまざまな天候条件でオブジェクトを検出することができ、信頼性が高い。しかし、解像度が低いため、小さなオブジェクトや近接したオブジェクトを区別することが難しい。さらに、レーダーは、カメラのように、コンテキストを解釈したり、オブジェクトを視覚的に識別したりすることができない。

ライダー、レーダー、カメラのデータを組み合わせることで、これらのシステムは環境をより包括的に理解し、安全性とリアルタイムの意思決定を向上させることができる。Keymakrの先進的なADAS開発者との共同作業は、このアプローチの重要性を示している。私たちは、モデルトレーニングと精緻化をサポートするために、多様で高品質のデータセットに取り組んできた。

Waymo VS Tesla：二つの自動運転ビジョンの物語

自動運転車の分野では、テスラとWaymoの比較は最も議論を呼ぶものの一つである。両社は自動運転の未来を切り開いているが、根本的に異なる哲学を持っている。なぜWaymoの車はセンサーで満たされた宇宙船のような外見をしているのに対し、テスラはほとんど外部センサーが見えないのか?

Waymoの車両を見てみよう。ジャガーをベースに自動運転用に改造された車両である。屋根には数十個のセンサー——ライダー、カメラ、スピンラzerシステム（「スピナー」と呼ばれる）、レーダー——が搭載されている。本当に多くのセンサーが搭載されている——ミラーにあるカメラ、フロントとリアバンパーにあるセンサー、長距離視認システム——すべてが同期されている。

もしもこの車両が事故に遭遇した場合、エンジニアリングチームは新しいセンサーを追加して欠けている情報を収集する。彼らのアプローチは、利用可能なすべての技術を使用することである。

なぜテスラは同じ道を辿らないのか。主な理由のひとつは、テスラがまだロボタクシーを市場にリリースしていないことである。さらに、彼らのアプローチはコスト最小化と革新に焦点を当てている。テスラは、ライダーの使用は非実用的であると考えており、RGBカメラの製造コストは約3ドルであるのに対し、ライダーのコストは400ドル以上になる可能性がある。さらに、ライダには機械部品——回転ミラーとモーター——が含まれており、これらは故障や交換のリスクを高める。

一方、カメラは静的であり、動く部品がないため、信頼性が高く、数十年間使用可能である。さらに、カメラは車体に簡単に統合でき、ほぼ目に見えないようにすることができる。

生産アプローチも大きく異なる。Waymoは既存のプラットフォーム——生産ジャガー——を使用し、センサーを搭載している。選択の余地がない。テスラは、車両を一から製造し、車体にセンサーを統合することを計画できる。

現在、テスラは車両の周囲に8つのカメラを使用している——フロント、リア、サイドミラー、ドアに。追加のセンサーを使用するだろうか。私はそう思う。

テスラのドライバーとして、またWaymoの車両に乗った経験から、ライダーの採用がテスラのフルセルフドライビングシステムを改善するだろうと考える。テスラのFSDは現在、特に強い日光、空中の埃、または霧のような困難な条件で精度が欠けているように感じる。ライダーテクノロジーの追加は、システムの安全性と信頼性を高める可能性がある。

しかし、ビジネスの観点から、企業が独自の技術を開発する場合、競争上の優位性——技術的な優位性——を目指す。もしも、劇的に効率的で安価な解決策を作成できると、市場の支配権を握ることができる。

テスラはこの論理に従っている。マスクは、フォルクスワーゲンやバイドゥのような他の企業の道を辿らない。彼らも自動運転技術の分野で著しい進歩を遂げている。さらに、モバイルアイやアイサイトのようなシステムは、古い車両に搭載されていても、すでに相当な自律性を示している。

しかし、テスラはユニークであることを目指している——それがビジネスロジックである。如果、劇的に優れたものを提供できない場合、市場はあなたを選択しない。

他の企業のように、フォルクスワーゲンやバイドゥのような企業も、相当な進歩を遂げている。さらに、モバイルアイやアイサイトのようなシステムは、古い車両に搭載されていても、すでに相当な自律性を示している。しかし、テスラはユニークであることを目指している——それがビジネスロジックである。如果、劇的に優れたものを提供できない場合、市場はあなたを選択しない。