自動運転車はなぜ未来であり、どのように創られるのか？

世界中で最近導入された適応型の検疫措置により、2020年には航空旅行、公共交通機関、その他の多くの分野が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、この難しい時期にもかかわらず、驚くほどの回復力を示した。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290億ドルを割り当てた。特に、自動運転車の開発には70億ドルが費やされる予定である。したがって、フォードはゼネラルモーターズ、テスラ、バイドゥなど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のトレーニング方法について説明する。

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考慮すると、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、高価な保険プランの料金を支払わなくても済むため、金銭的に節約できる。また、通勤時間が短縮され、燃費が改善されるなど、多くの利点がある。企業にとって、自動化によりさらなる節約が可能となる。例えば、自動運転トラックは、マッキンゼー・アンド・カンパニーの報告書によると、運行コストを45%削減できる。
主な利点は、安全性の向上である。国立交通安全局（NHTSA）によると、94%の重大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。また、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担う。自動運転車は、排出量の削減など、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、従来の車両と比較して、9%のエネルギーと温室効果ガスの排出量の削減が見られた。自動運転車の利点をすべて理解したので、自動運転車が周囲の世界を認識する方法について見てみましょう。

自動運転車はどのように動作し、現実になるのか

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、無数の他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行して仕事に行く場合、車は正しく速度制限を認識し、前の車との安全な距離を保ち、住宅街に入ったときには歩行者を認識し、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、数万の画像を注釈付ける必要がある。実際、Mindy SupportのCEOであるエヴゲーニャ・ヒメンコは、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あり、自動車業界向けのデータ注釈付けプロジェクトには、以下のようなものがあると述べている。

「これらには、自動運転車が道路上の他の運転手の行動を認識するために、ビデオに顔認識を付けるプロジェクトや、車両の動きや方向を検出するためにビデオのラベリングと注釈付け、また、車内での人間の声や背景ノイズ（ラジオ、笑い、叫び、歌、動物、沈黙など）を識別するための高度なオーディオ注釈付けタスクなどが含まれる」。

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ており、道路を渡ろうとしているスケートボードに乗った若者たちがいる。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予測し、減速するだろうが、機械にとってはそれを計算することは非常に難しい。自動運転車の研究者が自動運転車に取り組んで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となるかもしれない。

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技術を使用している。LiDARは、AIシステムが世界をどのように見るかを表す3D点群を生成する。LiDAR技術は自動運転車に限定されていない。農業分野での作物収穫ロボットの作成など、ロボットプロセスオートメーションの他の仕事でも使用される。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られる必要がある。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。さらに高度な注釈付け方法として、3D点群に色を付けて、車両が物体の距離を理解できるようにすることがある。

LiDARの動作原理は、周囲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が物体の距離を理解するというものである。例えば、3D点群上的の地面は常に青色である。なぜなら、地面は最も低い位置にあるため、光はすぐに反射されて戻ってくるからである。周囲の建物は、距離に応じて赤やオレンジ色になる可能性がある。

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、8つのカメラが道路の完全な画像を生成する「Hydrant」と呼ばれる技術を使用している。他の企業、例えばウェイモーやボヤージュは、LiDARを使用している。テスラがLiDARを避けている可能性のある理由の1つは、LiDARが非常に大きくて目立つため、車の外観を損なう可能性があることである。テスラは非常に高価な車であり、運転手は車の屋根に大きなボックスが付いていることを望まないかもしれない。ロボタクシーの開発を行っているウェイモーやボヤージュなどの企業は、LiDARの使用を許容できるかもしれない。

高品質のトレーニングデータはなぜ重要なのか

高品質のトレーニングデータを持つことは、自動運転車を作成する上で最も重要な要素の1つである。しかし、単にデータを取得するだけでは不十分である。トレーニングデータセットは、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あり、面倒な作業ではあるが、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、交通事故や犠牲者、環境問題、道路の混雑などの問題を軽減または解消する可能性があるからである。このプロセスは非常に時間のかかる作業であり、面倒な作業ではあるが、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、交通事故や犠牲者、環境問題、道路の混雑などの問題を軽減または解消する可能性があるからである。