自動運転の知識 ポピュラーサイエンス 自動運転車の7つのコア技術

現在、L3自動運転の商用化技術は成熟しており、L4/L5レベルは開発を加速し、検証パイロット段階に入っています。この記事では、現在自動運転車に使用されているコア技術と、真の商用化にはどのような技術的アップグレードが必要かを説明します。

1.識別技術

この車輪付きロボットも人間の目と同様に、周囲の車両、障害物、歩行者、その他の道路状況を識別するための独自の目を持っています。

私たちの目の主要構成要素は眼球であり、レンズの曲率を調整してレンズの焦点距離を変更することで実像が得られます。では、自動運転の目は何でできているのでしょうか?答えはセンサーです。カメラ、ライダー、ミリ波レーダー、赤外線、超音波レーダーなどを含む。

どれだけ多くの目が必要なのか、驚かれるかもしれません。そうです、それは目で覆われた小さな怪物で、通常は 10 個以上の目があります。

その中で最も一般的に使用されているのはカメラであり、これはほぼ論争なくすべての開発者によって採用されています。人間の目に最も近く、色のついた標識や物体を見たり、フォントを理解したり、信号を区別したりすることができます。しかし、夜間や悪天候時には視力が著しく低下したり、遠距離の観測には不向きであるなど、デメリットも多くあります。

2つ目は、物議を醸しているLiDAR、つまりレーザーレーダーです。車の屋根の上に、まるで回転し続ける帽子のようなものが乗っているのがよく見られます。原理は非常にシンプルで、レーザー光線の反射時間と波長を計算することで、周囲の障害物の3Dマップを描くことができます。欠点は、画像や色を認識できないことです。

ミリ波レーダーもその汎用性から言及する必要があります。高度を識別できず、解像度が低く、画像化が難しいにもかかわらず、あらゆる気象条件で動作できるため、不可欠なものとなっています。しかし、ほこり、霧、雨、雪を透過する能力によってその地位を確立しました。

以下のパフォーマンス比較表を使用すると、主流のセンサーの長所と短所を理解することができます。

こんなにたくさんの種類の目があるということは、彼女の視力は非常に良いのでしょうか？そうではないかもしれません。星がもっと多ければ空はもっと明るくなると思うが、星同士が補い合うことができれば良いのだが、衝突は避けられない。たくさんの目があるので、まずどれを信頼するかを選択する必要があります。これもセンサーフュージョンと呼ばれるトピックです。各センサーの長所と短所を踏まえて情報の精度を総合的に判断し、より信頼性の高い最終結果を得ます。センサーフュージョンのもう 1 つの利点は、ある程度の冗長性が提供されるため、片方の目が一時的に見えなくなっても、安全な動きに影響がないことです。

2.意思決定技術

目を通して周囲の環境を認識した後、その情報を最大限に活用して理解・分析し、次に何をすべきかを判断する必要があります。この仕事を達成するには最も強い頭脳が必要です。

人間の脳と同じように、私たちは運転する能力を持って生まれるわけではありませんし、運転免許を取得すれば熟練したドライバーになれるわけでもありません。ある程度の知識の蓄積が必要であり、それは自動運転ロボットでも同様です。脳内の知識ベースを完成させるには、専門家のルールベースと AI ベースの 2 つの方法があります。

専門家によるルールベースのアプローチ。英語ではルールベースとも呼ばれます。つまり、事前にルールを書き、決定を下す必要があるときにそれに厳密に従うということです。例えば、追い越しや車線変更の準備をするときは、以下の条件を満たす必要があります（これは偽の専門家であり、参考用です）。道路の半径が500Rより大きい（カーブで車線を変更しないでください）。目標車線の前後の車両までの距離が20m以上。速度が後方の車両より5km/h以内遅い。などなど...上記のN個の条件が同時に満たされると、追い越しや車線変更ができます。

AIスタイルとは、常に人気のある人工知能を指します。人間の脳を模倣し、AI アルゴリズムを通じてシーンを理解します。事前にたくさん失敗して経験を積むか、事前に誰かのアドバイスに耳を傾けてください。 AI 風に知識ベースを蓄積することで、より柔軟な対応が可能になります。専門家でもミスは起きるものですし、交通状況も急速に変化しています。柔軟な頭脳がなければ、偉大な中国の道路状況にどうやって対応できるでしょうか。

3.測位技術

自分がどこにいるかがわかって初めて、自分がどこへ向かっているのかがわかるのです。現在、自動運転技術は基本的にロボットから生まれています。自動運転は、車輪付きロボットと快適なソファを組み合わせたものと考えることができます。ロボット システムでは、位置決めと経路計画が問題となります。位置決めがなければ、経路を計画することは不可能です。センチメートルレベルのリアルタイム測位は、今日の自動運転における最大の課題の 1 つです。ロボット システムの場合、位置決めは主に SLAM と以前のマップ間の相互比較に依存します。 SLAM は Simultaneous Localization and Mapping の略で、「同時測位とマッピング」を意味します。これは、移動体が環境のマップを作成しながら、センサーからの情報に基づいて自身の位置を計算するプロセスを指します。現在、SLAM の応用分野には主にロボット工学、仮想現実、拡張現実が含まれます。その用途には、センサー自体の位置決め、それに続く経路計画やシーンの理解などが含まれます。

ロボットの位置決めには、相対位置決め、絶対位置決め、複合位置決めの 3 つの一般的なタイプがあります。 自動運転では、一般的に複合測位が使用されます。まず、走行距離計やジャイロスコープなどの固有受容センサーを使用して、ロボットの初期姿勢に対する距離と方向を測定し、初期姿勢を与えることでロボットの現在の姿勢を決定します。これはトラック外挿とも呼ばれます。次に、LIDAR またはビジョンを使用して環境を認識し、アクティブまたはパッシブ識別、マップ マッチング、GPS、またはナビゲーション ビーコンを使用して位置決めを行います。位置を計算する方法には、三角測量、三辺測量、モデルマッチング アルゴリズムなどがあります。この観点から、IMU は自動運転にも不可欠なコンポーネントです。

現在では、GPSやGNSS（全地球衛星航法システム）を使った測位方法が主流となっているほか、道路上に電磁誘導線を敷設して測位する方法なども存在します。現在、高精度GPS測位の最大の課題は、山岳地帯やトンネルなどの地理的要因が精度に与える影響です。IMU（慣性計測装置）に頼って推定することはできますが、GPS信号が長時間失われると、累積誤差が比較的大きくなります。

さらに、自動運転専用の3Dダイナミック高精細マップにより、自動運転の可能性がさらに広がります。高解像度の地図のおかげで、車線内で自分の位置を簡単に把握できます。

4.通信セキュリティ技術

あなたの自動運転車がハッカーにハッキングされ、制御されたらどうなるか想像してみてください。ハッカーはあなたの秘密の会話を監視できるだけでなく、それが人を殺すための道具になる可能性もあります。ハッカーはセンサーデータに影響を及ぼすことで意思決定に影響を与えたり、判断メカニズムに直接介入して運転軌道に影響を与えたりすることができます。
GPS、カメラ、LIDAR、ミリ波レーダー、IMUなどの一般的なセンサーデバイスはハッカーによって妨害され、自動運転の判断メカニズムや走行軌道に影響を与える可能性があります。たとえば、LIDAR を攻撃してリアルタイムの不良データを識別できないようにしたり、長期にわたって蓄積された集約データに干渉しようとしたりします。

V2X とは、車両間、車両と歩行者間、車両と交通インフラ間など、車両とインフラ間のすべての通信の総称です。 V2X には車両とそのユーザーに関する個人情報が含まれるため、ユーザー認証とデータ暗号化システムが重要です。

V2Xには車と個人情報が含まれるため、通信時にはユーザー認証とデータ暗号化が不可欠です。

[[312313]]

5.ヒューマン・コンピュータ・インタラクション技術

自動運転に対する私たちの印象のほとんどは、人間の介入なしに行きたいところならどこにでも連れて行ってくれるというものです。しかし残念ながら、現在の自動運転システムではこれができません。

[[312314]]

自動運転では対応できない状況に遭遇した場合、ドライバーに作業を引き継ぐよう要請します。ここで HMI (ヒューマンマシンインターフェース) が役立ちます。その目的は、ドライバーができるだけ早く気付くように、最も直感的で便利な方法で通知することです。

また、運転者の表情や動作を観察・分析し、眠気状態を判断したり、運転者の興味のある話題を提供して注意喚起したりするといったことも、ヒューマン・コンピュータ・インタラクションの多様化の一例です。車内の人とのやり取りに限らず、道路上の歩行者とやり取りして道を譲る意思などを表明できるものもあります。

6.高精度地図

高精度地図は自動運転実現の必須条件か？ ——レベル3以上が必要です。米国SAE協会による自動運転技術レベルの分類では、レベル2以下の運転支援段階（ADAS段階）では、高精度マップは運転支援システム全体のオプションとなります。自動運転技術がレベル3以上に発展すると、高速道路や駐車場など特殊な場面での自動運転の実現が求められ、高精度な地図の重要性が浮上し始めます。レベル3の自動運転を実現するためには高精度の地図が必須となることは業界では一般的に認識されています。

1) 静的データとは、道路の基本的な形状（車線など）を地図やベクターデータで正確に表現する必要がある高精度の地図を指します。静的高精度地図モデルにおいて、車線要素モデルには、車線中心線、車線境界線、基準点、仮想接続線などが含まれます。

2) 動的データとは、天気、地理環境、道路交通、車両の状態など、動的に更新する必要があるデータを指します。静的データと動的データを重ね合わせることで、高精度のマップが実現し、最終的には自動運転のための環境モデリングが実現します。

7. 5G/V2Xテクノロジー

V2X (Vehicle-to-Everything) ネットワークは、車両をインターネットに接続したり、車両間 (V2V)、車両とインフラストラクチャ (V2I)、車両とインターネット (V2N)、車両と歩行者 (V2P) などのネットワークに車両を接続します。

V2Xネットワークを通じた自動運転は、外部の「脳」を開放することと同等であり、豊富でタイムリーな「外部情報」入力を提供し、単一車両の知能認識の盲点を効果的に補うことができます。 V2Xは自動運転の加速装置であり、単一車両のインテリジェント技術を効果的に補完し、応答効率を高速化できると言えます。 5Gネットワ​​ークは、低遅延、高スループット、高信頼性という特徴を備えており、V2X伝送情報の豊富さと適時性が大幅に向上し、V2Xセンサーの技術的価値も向上します。