「無人運転」の技術的道筋

無人運転車が実際に走行するには、認識、意思決定、実行における技術的な問題を解決する必要があります。 「中位制御システム」とも呼ばれる知覚システムは、周囲の環境を認識し、それを識別および分析する役割を担います。「上位制御システム」とも呼ばれる意思決定システムは、経路計画とナビゲーションの役割を担います。「下位制御システム」とも呼ばれる実行システムは、自動車の加速、ブレーキ、ステアリングの役割を担います。この記事は、人間の運転パターンにより近いため、「認識-決定-実行」の順序で説明しています。たとえば、まず前方を見て（青信号、周囲に歩行者はいない）、情報を収集します。次に決定を下します（追い越し可能）。最後に決定を実行します（交差点を通過します）。

[[242547]]

自動運転のための認識システム

認識システムの入力デバイスとしては、具体的には、光学カメラ、光学レーダー (LiDAR)、マイクロ波レーダー、ナビゲーション システムなどが含まれます。これらのセンサーは周囲の情報を収集し、包括的な環境データを認識システムに提供します。

光学カメラは現在、最も安価で、最も一般的に使用されている車載センサーです。光学カメラの大きな利点の 1 つは、色を区別できることで、シーンの解釈に最適なツールとなります。しかし、その欠点も明らかです。1. 「奥行き」の次元が欠けています。立体視がなければ、物体とカメラ (車両に変換可能) の距離を判断することはできません。2. 光に敏感すぎます。暗すぎたり強すぎたりする光や、トンネルを出入りするときのような 2 つの物体間の急激なずれは、画像に影響を及ぼすのに十分です。

LiDAR は検出と測定にレーザーを使用するものです。原理は、パルスレーザーを周囲に発射し、物体に当たって反射されるレーザー光の往復時間差から距離を計算し、周囲の環境の3次元モデルを構築するというものです。 LiDAR は検出精度が高く、距離も長いです。レーザーの波長が短いため、非常に小さなターゲットを検出でき、検出距離も長くなります。マイクロ波レーダーはLIDARと同様の仕組みで動作しますが、レーザーの代わりに電波を放射します。マイクロ波レーダーはLIDARほど正確ではありませんが、低価格で小型であるという利点があり、一部の車両運転支援システムで広く使用されています。同時に、低精度はマイクロ波レーダーの利点にもなっています。波長が長いため、レーザーレーダーでは貫通しにくい霧、煙、ほこりなどの障害物を貫通でき、悪天候の影響を受けにくいからです。

光学カメラとレーダー測定は環境を認識する上で互いに補完し合い、自律走行車に完全かつ正確な外部情報を提供します。情報を受け取る「目」ができたら、次はディープラーニングなどの手法を使って情報を識別する段階です。複数のセンサーの情報を統合するのは簡単な作業ではありません。しかし、Webers のエラーバックプロパゲーションアルゴリズムと高度なデジタルカメラ技術を使用すれば、外部の物体を正確に識別できます。

自動運転の認識システムには、「目」だけでなく、「脳」である高精度の地図も含まれます。人間のドライバーは、運転を支援するために記憶から馴染みのある道路の風景を呼び出しますが、自動運転も高精度の地図を通じて必要な環境情報、特に信号機（赤、黄、緑の「信号機」ではなく物理的な「光」自体を指すことに注意してください）、車線標示、縁石など、更新サイクルが長く比較的固定された情報を取得します。この情報は、センサーによって取得された「リアルタイム情報」と照合することもでき、「マルチセンサー融合」の効果が得られます。これは、私たちが歩くときに、目で前方の道路を見るだけでなく、耳で後ろの車の音を聞き、さらには鼻で道端の食品店の香りを嗅ぐのと同じです。そのため、自動運転は「目」だけでなく「脳」でも「知覚」することになります。

自動運転のための意思決定システム

自動運転意思決定システムは、ルート計画とリアルタイムナビゲーションを担当し、主に「高精細デジタルマップ」とも呼ばれる高精度の地図を使用します。自動運転車は、通常のナビゲーション地図を使用しません。精度や情報量の点で通常の地図とは大きく異なるため、「高精度地図」と呼ばれています。通常の地図は比較的大まかです。人間の認知能力は「空白を埋める」のに十分であり、単純な 2 次元の線で道路の方向を知ることができ、線の交差点が交差点を表すため、現在の機械では「空白を埋める」のが困難すぎます。高精細デジタル地図の精度は一般的にセンチメートルレベルであり、車線や周辺施設の座標位置などの運転支援情報を含む3次元地図です。自動運転用の高精度地図と現在人間が使用している電子地図のもう 1 つの重要な違いは、高精度地図が道路ライダーの反射強度を収集することです。これは、人間のドライバーにとってはあまり価値のない道路の特徴ですが、「人工知能ドライバー」にとっては非常に重要なものです。これはゆっくりと少量ずつ変化するため、自動運転車両が光学レーダーの位置を特定するのに役立つ理想的な特徴値になります。光レーダースキャンにより得られた情報を、既知の高精度地図情報と比較することで、車両の現在位置を特定することができます。

自動運転の意思決定システムには、自立した「スマート車両」だけでなく、V2Vなどの「インテリジェント交通システム」のサポートも必要です。高精度地図に加えて、経路計画をサポートするもう1つの技術は、V2Iをベースに開発されたと一般的に考えられているV2Xです。 V2X とは、車両対車両、車両対インフラ、車両対歩行者などの一連の通信システムを含む、車両と環境の「モノのインターネット」を形成することを意味します。車両が信号機の情報を単に「見る」のではなく直接「取得」できれば、赤信号を無視することがなくなります。ここでの「取得」とは、例えば、信号機までまだ 100 メートルあり、センサーがまだ信号機を見ることができない場合、信号機が車両に信号の状態と変化の持続時間を積極的に「伝える」ことを意味します。自動運転車両は、信号機の内容を直接「見る」必要はありません (「はっきりと見る」ことは必ずしも簡単ではありません。大雨、吹雪、強風で飛ばされたビニール袋、大型トラックの障害物などにより、車両のカメラが信号機から「見えなくなる」ことがあります)。さらに、周囲の車両の運転意図を事前に知ることができれば、事故を大幅に回避することができます。

高精度デジタルマップとV2X通信ネットワークを備えたシステムは、検索アルゴリズムを適用して、信号待ち時間、道路渋滞、道路整備状況など、さまざまな運転行動のコストを評価し、最適な運転ルートを得ることができます。

自動運転実行システム

実行システムは、車両のブレーキ、加速、ステアリングの特定の操作を実行する基礎となる制御システムでもあります。エンジニアは、人間のドライバーの手足に代わる特殊な「ワイヤー制御装置」を通じてハンドルとアクセルを制御し、複数のプロセッサからなるサブシステムを構成して、自動車の機械システムを安定的かつ正確に制御します。エンジン制御ユニット (ECU)、アンチロック ブレーキ システム (ABS)、オートマチック トランスミッション制御ユニット (TCU) などのこれらのサブシステムは、車内で CAN バス プロトコルと呼ばれる「バス」を介して内部通信を行います。

CAN バスの最も重要な側面は、帯域幅とネットワークの安定性です。帯域幅とは、ネットワーク上でデータを送信できる最大速度を指し、通常は 1 秒あたりのビット数で測定されます。自動運転車には正確な制御と高速応答が不可欠であり、これはバス帯域幅の伝送速度を上げることを意味し、膨大な量のデータを処理する必要がある自動運転システムにとって大きな課題となります。さまざまなセンサーからのデータ ストリームを同時に処理する場合、帯域幅が問題となり、システム速度が大幅に低下することがあります。反応実行プロセス全体にわたって、CAN バスの応答時間は非常に遅くなり、実際の運転では許容できません。第二に、制御のスムーズさも乗客の体験に影響します。さらに、ネットワークとして、データ転送のセキュリティも無視できません。ハッカーが CAN バスへの攻撃に成功すると、車を制御できるようになります。したがって、基盤となるネットワーク システムの防御機能とネットワーク フォールト トレランスを向上させることが非常に重要です。

自動運転車は、認知、意思決定、実行の3つのシステム間の分業と連携、そして自動車の運行を制御する明確な責任を通じて、理論的には「運転」の条件を満たすことができます。しかし、『Self-Driving』の著者であるフーディー・リプソン氏とメルバ・クーン氏は、「技術はほぼ完成しているが、この独自の技術を可能にする社会環境はまだ整っていないかもしれない」と指摘している。例えば、関連する法律の制定が遅れています。しかし、効率性と安全性の利点を考えると、無人運転車の時代がいずれ来ると信じる理由があります。

（著者所属：浙江大学科学技術法センター、浙江大学光華法学院、中国人民大学哲学学院）