自動運転車はなぜ未来であり、どのように創られているのか？

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、他の多くの業界が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性を示した。実際、フォードのような企業は、去年の4分期に電気自動車と自動運転車の開発に299億ドルを投資した。この投資のうち、70億ドルが自動運転車の開発に充てられる。このため、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のひとつとなった。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がわかる。運転手は、高価な保険プランの料金を支払わなくて済むため、金銭を節約できる。さらに、日常の移動時間を短縮し、燃費を改善するなど、多くの利点がある。企業にとって、自動運転車はより大きな節約の機会を提供する。例えば、自動運転トラックは、運行コストを45%削減できるというマッキンゼー社の報告書がある。

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度の視野を持ち、事故の数を大幅に削減できる。さらに、先進的な運転支援システム（ADAS）は、ブレーキング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引き継ぐことができる。自動運転車は、排出ガス削減など、社会に多くの付加価値を提供する。実際、基本的なケースでは、自動運転車のライフサイクル全体で、従来の車両と比較して、9%のエネルギーと温室効果ガス排出量の削減が見られた。自動運転車の利点をすべて知ったので、自動運転車が周囲の世界を認識するように訓練される方法を見てみましょう。

自動運転車はどのように動作し、自動運転車はどのように現実になるのか

自動運転車は道路のルールに従う必要があり、道路標識、道路標線、他の車両や歩行者、無数の物体を認識する必要がある。自動運転車は、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は、自動車業界向けのデータ注釈付けサービスを提供する会社で、自動車業界向けの幅広いデータ注釈付けプロジェクトが可能であると述べている：

「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ように訓練するために、ビデオでの顔認識、車両の動きと方向を検出するためのビデオのラベリングと注釈付け（私たちは545百万を超える画像シーケンスを注釈付けた）などのプロジェクトが含まれる。他の高度なオーディオ注釈付けタスクでは、車内での人間の会話、ラジオ、笑い、叫び、歌、動物、そして沈黙などのバックグラウンドノイズを識別し、タイムスタンプをラベル付けする必要があった」。

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、若者たちは赤信号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ことになる。これが、自動運転車の研究者が自動運転車に取り組もうとしている次のステップであり、単にさらに多くの注釈付けされたデータが答えになるかもしれない。

自動運転車は物理的な世界をどのように見るのか?

自動運転車は、周囲の世界を認識するためにLiDAR技術に依存している。LiDARは、AIシステムが世界をどのように見るかをデジタルで表現した3D点群を作成する。この技術は自動運転車に限定されず、農業部門で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点群も、機械が何を見ているかを理解するために注釈付けされる必要があり、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は、3D点群を色付けして、車両が物体の距離を理解できるようにすることである。

LiDARの動作方法は、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基づいて、AIに物体の距離を理解させるものである。例えば、3D点群上的の地面は常に青色である。なぜなら、光はすぐに反射されるからである。周囲の建物は、距離に応じて赤やオレンジ色になる。

LiDARだけが利用可能な技術ではないことに注意する価値がある。例えば、テスラはHydrantと呼ばれる8台のカメラを組み合わせて、道路の完全な画像を作成する。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。ロボタクシを開発しているWaymoのような企業は、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なのか?

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最も重要なことの1つである。しかし、単にこのデータを取得することは十分ではない。訓練データセットは、AIシステムがそれらから学習できるように、データ注釈付けを介して準備される必要がある。これは非常に時間のかかる作業ではあるが、プロジェクトの成功はそれに依存している。自動運転車は未来であり、自動運転車は、交通事故や死亡者、環境問題、道路の混雑などの問題を軽減または解決する可能性がある。