自動運転は安全試験に合格するのが難しい。自動車メーカー、サプライヤー、規制当局は協力を強化すべき

[[276381]]

現在、レベル3自動運転の量産化を円滑に推進するためには、コンピューティング能力、路上テスト、センサーコスト、道路規制、インフラ、消費者の意識などにおいて質的な飛躍的進歩が必要です。しかし、結局のところ、それはおそらく依然として安全性の問題でしょう。

最近、AICC 2019人工知能コンピューティングカンファレンスの自動運転サブフォーラムで、一部の自動車会社のスマート運転研究開発リーダーは、自動運転の本当の課題は依然として安全性であると述べました。自動車の100年以上の歴史の中で、始まりから現在まで、人々が安全性を重視することは一度も変わっていません。

同日、吉利、広州汽車、NVIDIA、Inspur、四維図新、清華大学や交通関連部門の業界関係者も、コンピューティングパワー、プラットフォーム、エコロジー、人工知能、地図、道路と車両の連携などの観点から、自動運転の量産化に向けた課題と解決策を分析した。

彼らの見解では、自動運転を予定通り進めるためには、研究に注力するだけでなく、コミュニケーションを強化し、安全性やコストなどの問題を同じ文脈で解決する必要がある。

自動車メーカーとサプライヤーの懸念

自動運転の開発は、一時の盛り上がりから徐々に冷え込みを見せているが、その傾向は変わっていない。

自動車会社の研究開発担当者の中には、高度な自動運転の実現は人間の移動における革命であると語る者もいる。安全な自動運転の開発にはまだまだ長く困難な道のりが必要であり、自動運転の実用化は徐々に実現されるだろう。

大まかな方向性は定まったが、将来に向けて解決すべき問題はまだ多く残っている。結局のところ、自動車は携帯電話やスマートテレビのような消費者向け電子製品ではなく、高速で移動し、複雑な製造工程を持つ工業製品です。特に自動運転の時代に入ると、統合する必要があるソリューションとテクノロジーの数は飛躍的に増加します。

「自動車製造業界は、多くの製造、IT、CT技術を統合してきました。後者2つの統合は、自動運転の未来の青写真です。これは実際には非常に難しいことです。クラウド、エッジ、エンド、人工知能、5Gが関係しています。誰もが思いつくすべての新しい技術が自動運転に反映される可能性があります。」と、インスパーグループの上級副社長である王宏立氏は感慨深げに語った。

では、自動車会社やサプライヤーは何を心配しているのでしょうか?

Leifeng.com New Intelligent Driving は、自動運転の分類基準から最終的な量産に至るまで、以下の問題が繰り返し言及されていることに気づきました。

1. 分類が不明確です。複数の自動車会社は、既存の自動運転分類基準は自動車会社の実際の研究開発の進捗と絶対的な関係がないと述べています。 「自動運転のレベル0からレベル5までの分類は非常に曖昧で、量産化に向けた指針となる意味はない。その理由は、シナリオのみが設計されており、機能が設計されていないからだ」と広州汽車研究所のインテリジェント運転部門の郭吉順部長は述べた。

これを踏まえると、多くの自動車会社も自社製品を販売する際にはL2やL2.5というスローガンを掲げているものの、実際の研究開発においてはどのような機能を提供できるかを重視しており、各レベルの境界は明確ではない。

2. 計算能力が不十分。業界では、L3 自動運転には 20～30 トップの計算能力が必要になると予測しています。しかし現状では、高温や低温、耐衝撃性、安定性などの車載グレードの要件を満たす必要があるため、既存の車載グレードチップの中で最も高いコンピューティング能力を持つQualcomm Snapdragon 8155でも、基本的なヘテロジニアスコンピューティングを完了するには約6〜8個のチップが必要です。

もちろん、ZFやボッシュなどの一部の国際サプライヤーは、膨大な計算能力に対応できる製品を開発していますが、量産化と車両への搭載にはまだ時間がかかるでしょう。

3. センサーのコストが高すぎる。消費者が自動運転機能を備えていても価格が高騰している車を購入する可能性は低いため、コストはレベル 3 自動運転にとって当然の障壁となります。この点を証明する例を挙げてみましょう。最も高速な自動運転を実現した物流トラック分野を例にとると、高速道路の閉鎖に加え、この分野で自動運転が真っ先に推進されているのは、コストが重要な理由であることは間違いありません。

4. セキュリティ要件を満たすことが困難です。 Leifeng.com の New Intelligent Driving では、大手自動車メーカーとサプライヤーが機能安全性に特に注意を払っていることが分かりました。 「機能安全には、ソフトウェアの再設計、信号の追加、関連システムの要件設定が含まれます。多くの自動車会社はL3とL4の開発を選択していますが、製品に安全性を組み込んでいません」とホーク氏は語った。

協力の強化

上記の問題に対して、チップ、高精度地図、センサーなどの分野の企業がその解決に注力しています。

Leiphone.com（公式アカウント：Leiphone.com）New Intelligent Drivingは、現在、自動運転の分野ではクラウド、エッジ、車両側の3種類のコンピューティングパワー需要があることを知りました。ただし、現段階では、L3-L5 量産の要件を満たすために 1 つのプロセッサに依存することは困難です。これを踏まえて、アルゴリズムとハードウェアを組み合わせたソリューションを作ることが解決策の一つです。このようなソリューションを開発するには、アルゴリズムとチップをどのように結合するかという問題を解決する必要があり、そのためにはエコロジカルレベルでの連携が必要です。

王宏麗氏は、自動車産業チェーンの分業度は現在のX86サーバー産業の分業度を超えており、より複雑になっていると述べた。自動運転のコンピューティングプラットフォームには、GPUやCPUだけでなく、アナログ信号とデジタル信号の両方をサポートするさまざまなシリアルチップやセンサーチップも含まれており、非常に多くの技術を統合し、コストをうまく制御する必要がある。これはハードウェアレベルに過ぎません。さらに、データやアルゴリズムレベルの技術も非常に複雑なので、自動運転には強力な産業エコシステムが絶対に必要です。

Inspur Group の人工知能製品マネージャーである Han Jinjie 氏は、車載コンピューティング プラットフォームにおける連携はシナリオやユーザーのニーズに基づいて推進される必要があると考えています。さらに、将来的には、OEM は自動運転ソリューションを統合する独自の能力を持たなければなりません。従来の Tier 1 メーカーに依存していると、一定の競争力を失うことになります。

ハン・ジンジエ氏はまた、自動運転の3つの要素であるデータ、アルゴリズム、コンピューティング能力のそれぞれに、多数のパートナーの参加が必要だと述べた。 3 つの関係は、自動運転の路上テストデータを使用してアルゴリズムに優れたガイダンスを提供し、高精度の自動運転トレーニング モデルをトレーニングすることです。モデルの精度が向上すると、データ収集をガイドできるようになります。このプロセスでは、コンピューティング能力がインフラストラクチャのセキュリティを提供する役割を果たします。

もちろん、問題が発生した場合、答えを提供することに加えて、問題の原因を直接回避するという別の解決策もあります。この手法を自動運転の分野で活用すると、車両と道路が連携した「カーブ回避」技術が生まれます。多くの業界関係者は、中国の道路の複雑さ、歩行者の交通習慣、認識シナリオの複雑さなどの要因により、道路上での自動運転の問題を解決するには、車両と道路の連携が効果的な方法になる可能性が高いと指摘した。

「私たちは多数の実験を行い、比較的複雑なシナリオにおける人間のドライバーのばらつきが非常に大きいことを発見しました。同じモデルを使用して100人のドライバーのミスを参考にしても、パラメータをどのように調整しても精度は50％に達しません。つまり、どのように認識しても十分ではありません。より正確な外部情報が必要であり、そのためにV2Xが必要なのです」と郭吉順氏は述べた。

しかし、道路と車両の連携という分野においては、一定の違いがあります。 「自動車メーカーの友人同士が交流すると、交流すればするほど、道路文化と自動車文化の間に大きな違いがあることに気づきます」。交通運輸省道路網監視・緊急対応センターの副所長である王剛氏は、双方が共通の言語と焦点を持ち、それによっていくつかの重要な問題を発見し解決しなければならないと考えている。

中国通信交通協会が主導する自動運転車産業イノベーション連盟が正式に設立されたことは注目に値する。雷峰網新智能運転は、同組織が会員組織に自動運転モデル​​訓練を提供し、海外の最新自動運転情報と技術を収集・提供し、国家レベルの自動運転プロジェクトを共同で申請・開発することを明らかにした。これはある意味、産業連携を加速させる上で重要な役割を果たします。

自動運転の真髄を掴む

自動車は産業チェーンの頂点に位置しており、自動運転は自動車産業の宝石と見なされています。しかし、この真珠をどうやって収益化するかは業界全体を困惑させています。

清華大学自動車工学学院副学長の王建強氏は、自動運転が産業チェーンとバリューチェーンに調整をもたらすと考えている。その中で、産業チェーンの調整には伝統的な自動車産業だけでなく、コンピューター、通信、人工知能なども含まれます。限定されたシナリオに基づいて開発された自動運転車は、特定のシナリオ、特定の地域、特定の道路状況にのみ適合します。

「L3とL4のビジネスモデルの最大の違いは、L3はCエンドの一般人が購入し、全体的な運転の楽しさを楽しむのに対し、L4はBエンドに委ねられ、Bエンドがカスタマイズ、購入、運用し、効率的な運用を通じて高額なハードウェアコストを回収する点だと考えています」と郭吉順氏は述べた。

しかし、こうしたビジネスモデルの実現には、自動運転が量産化されるという前提条件がある。

業界では、専用の自動運転車のシナリオは比較的単純であり、最初に商業化できると一般的に考えられています。自動運転タクシーのシナリオは比較的複雑であり、標準化された都市の道路状況と規制の対象となります。最後に、自動運転の実装が最も難しい分野は、制限がなく、あらゆる状況やシナリオで動作するため、自家用車です。

実装を真に実現するには、機能実装、機能安全性、センサーコストなど、前述の問題に立ち返る必要があります。コンピューティングプラットフォームサービスプロバイダー、通信事業者、クラウドサービスプロバイダーを統合し、5G、V2X、車両インテリジェンス、クラウドを組み合わせることへの希望を表明する業界関係者が増えており、そのためには業界と政府の連携を継続的に強化する必要があります。

自動運転の開発においては、常に注意を払う必要があることに留意する必要があります。

王建強氏は、シナリオ主導のオープンモデルが自動運転をレベル4、レベル5に押し上げることができるかどうかを指摘した。 「考えてみてください。私たちが直面している問題をカバーするために、どれだけのデータベースを構築してきたでしょうか。シナリオ ライブラリは限られていますが、私たちが直面するシナリオは無限です。(この場合) オープンな自動運転車や自動運転製品は、特定のシナリオ、特定の地域、特定の道路状況にのみ適しています。」

一般的に、自動車メーカーは自動運転の安全性とコストを懸念し、サプライヤーは製品の実装シナリオと収益性を懸念し、規制当局は自動運転による交通効率の向上を望んでいます。これらの要因が重なると、すべての関係者の利益のバランスをとることが重要です。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。