用語集

自律走行車

AI、コンピューター・ビジョン、センサーを駆使した自律走行車が、安全性、効率性、革新性で輸送にどのような革命をもたらすかをご覧ください。

自動運転車としても知られる自律走行車（AV）は、人間の入力なしに環境を感知し、ナビゲートすることができる車両である。高度なセンサー、複雑なアルゴリズム、強力なプロセッサーを組み合わせ、すべての運転機能を実行する人工知能（AI）の画期的な応用である。AVの主な目的は、安全性を高め、交通の流れを改善し、運転できない人々のモビリティを向上させることである。このテクノロジーは自動車産業におけるイノベーションの最前線にあり、輸送とロジスティクスの形を変えることが期待されている。

コア・テクノロジー

すべての自律走行車の心臓部には、世界を認識し、決定を下し、車両の行動を制御する高度なシステムがある。このシステムは、車両の目として機能するコンピューター・ビジョン（CV）に大きく依存している。

知覚：AVは、カメラ、レーダー、LiDARを含む一連のセンサーを使用して、周囲の環境に関するデータを収集します。ディープラーニング・モデルはこのデータを処理して、歩行者、他の車両、道路標識を識別する物体検出、走行可能な路面と歩道を区別する画像分割、歩行者や自転車の意図を予測する姿勢推定などの重要なタスクを実行する。
センサー・フュージョン：異なるセンサーからのデータは、センサー・フュージョンと呼ばれるプロセスを経て統合される。これにより、単一のセンサーが提供できるよりも正確な環境モデルが作成され、信頼性と安全性が高まります。
意思決定：環境を理解したら、AIは意思決定をしなければならない。これには、進路計画、速度調整、複雑な交通シナリオのナビゲートなどが含まれる。このAVの "頭脳 "は、膨大な走行データに基づいて学習された機械学習モデルを活用している。

自治のレベル

AVの開発は通常、SAE国際規格J3016によって定義された6つのレベルに分類され、自動化されていない状態から完全自動化された状態へと進行する。

レベル0～2：このレベルには、ドライバーはまだコントロールできるが、自動緊急ブレーキや車線維持アシストなどのシステムによって支援される機能が含まれる。最近のクルマの多くは、こうした先進運転支援システム（ADAS）を搭載している。
レベル3～5：これらのレベルでは、特定の条件下（レベル3）、ほとんどの条件下（レベル4）、またはすべての条件下（レベル5）で、車両が運転タスクを代行する自動化の度合いが高まる。真の "自動運転 "は、一般的にレベル4と5に関連している。こうした先進システムの安全な運用は、NHTSAのような規制機関にとって大きな焦点となっている。

実世界での応用

完全な自律走行車はまだユビキタスではないが、この技術はさまざまな用途で積極的に導入され、テストされている。

ロボットタクシーサービス： ウェイモ（Waymo）やクルーズ（Cruise）といった企業が、いくつかの都市で完全自律走行車による商用ライドヘイリングサービスを展開している。これらのサービスでは、自動運転車に高度なAIを搭載して都市環境をナビゲートし、乗客の安全を確保するためにリアルタイムの物体検出と追跡を頼りにしている。
先進運転支援システム（ADAS）： テスラのオートパイロットや他のメーカーの同様のシステムのような機能は、新車では一般的である。これらのシステムは、カメラとAIを使用して、ステアリング、加速、ブレーキなどのタスクを自動化するもので、完全な自律性への段階的なステップである。

開発とトレーニング

AVの開発には、COCOのような大規模なデータセットや、Argoverseや nuScenesのような特殊なドライビングデータセットを使用した、厳密なテストと検証が必要です。YOLO11のような強力なアーキテクチャで基礎となるモデルをトレーニングするには、かなりの計算リソース（GPU）とPyTorchや TensorFlowのようなフレームワークが必要です。CARLAのようなシミュレーション環境は、実世界に展開する前に無数のシナリオの下でアルゴリズムを安全にテストする上で重要な役割を果たします。AV の安全性の検証は、ランド研究所などの研究でも強調されているように、複雑な課題です。

モデルの展開には、Edge AIデバイスや NVIDIA Jetsonのような特殊なハードウェアアクセラレータのためのモデルの量子化のような最適化技術がしばしば含まれる。ライフサイクル全体では、継続的な改善とモニタリングのための強固なMLOpsプラクティスが役立ちます。