用語集

自動運転車

自動運転車がAI、コンピュータビジョン、およびセンサーを使用して、安全性、効率性、および革新性で輸送に革命を起こす方法をご覧ください。

自動運転車（AV）、別名セルフドライビングカーは、人間の介入なしに環境を感知し、ナビゲートできる車両です。これらは、高度なセンサー、複雑なアルゴリズム、および強力なプロセッサを組み合わせて、すべての運転機能を実行する人工知能（AI）の画期的な応用例です。AVの主な目標は、安全性を高め、交通の流れを改善し、運転できない人々の移動能力を高めることです。この技術は、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を再構築することが期待されています。

コアテクノロジー

すべての自動運転車の中心にあるのは、世界を認識し、意思決定を行い、車両の動作を制御する洗練されたシステムです。このシステムは、車両の目として機能するコンピュータビジョン（CV）に大きく依存しています。

知覚: 自動運転車（AV）は、カメラ、レーダー、LiDARなどのセンサー群を使用して、周囲のデータを収集します。深層学習モデルは、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セグメンテーション、歩行者や自転車利用者の意図を予測する姿勢推定などの重要なタスクを実行します。
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通じて結合されます。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の単一モデルが作成され、信頼性と安全性が向上します。
意思決定: 環境が理解されると、AIは意思決定を行う必要があります。これには、経路計画、速度調整、および複雑な交通シナリオのナビゲートが含まれます。AVのこの「頭脳」は、膨大な量の運転データでトレーニングされた機械学習モデルを活用します。

自律性のレベル

AVの開発は通常、SAE International J3016規格によって定義された6つのレベルに分類され、自動化なしから完全自動化への進展を概説しています。

レベル0〜2: これらのレベルには、ドライバーがまだ制御しているものの、自動緊急ブレーキや車線維持支援などのシステムによって支援されている機能が含まれます。多くの最新の車には、これらの高度運転支援システム（ADAS）が搭載されています。
レベル3〜5: これらのレベルには、特定の条件（レベル3）、ほとんどの条件（レベル4）、またはすべての条件（レベル5）で車両が運転タスクを引き継ぐ、自動化の度合いの増加が含まれます。真の「自動運転」は、通常、レベル4および5に関連付けられています。これらの高度なシステムの安全な運用は、NHTSAのような規制機関にとって主要な焦点です。

実際のアプリケーション

完全自律走行車はまだ普及していませんが、この技術はさまざまなアプリケーションで積極的に展開およびテストされています。

ロボタクシーサービス： WaymoやCruiseなどの企業は、いくつかの都市で完全自動運転車による商用配車サービスを運営しています。これらのサービスは、都市環境をナビゲートするために高度な自動運転車AIを使用し、リアルタイムの物体検出と追跡に依存して乗客の安全を確保します。
高度な運転支援システム（ADAS）: TeslaのAutopilotや他のメーカーの同様のシステムなどの機能は、新しい車両で一般的です。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し、完全な自律性への段階的なステップを表しています。

開発とトレーニング

自動運転車の開発には、厳格なテストと検証が必要です。多くの場合、COCOのような大規模データセットや、ArgoverseやnuScenesのような特殊な運転データセットが使用されます。YOLO11のような強力なアーキテクチャで基盤となるモデルをトレーニングするには、相当な計算リソース（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、実際の環境にデプロイする前に、無数のシナリオ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。自動運転車の安全性の検証は複雑な課題であり、RAND Corporationのような組織の研究で強調されています。

モデルのデプロイには、Edge AIデバイスやNVIDIA Jetsonなどの特殊なハードウェアアクセラレータ向けのモデル量子化のような最適化手法がよく用いられます。継続的な改善と監視のために、ライフサイクル全体で堅牢なMLOpsプラクティスが役立ちます。