スーパー暗号解読：自動運転はこうして実現される

多くの新製品と同様に、自動運転に対する人々の態度は、過度の信頼から過少な信頼まで二極化しています。自動運転を過信する人がいます。携帯電話をいじったり、電源を入れたまま寝たりします。その結果、死亡事故が数件発生しています。自動運転を信用せず、単なる見せかけだと考える人もいます。新車を買った後、自動駐車機能を試す勇気すらありません。

[[336008]]

01 では自動運転では何ができるのでしょうか?

これは自動運転の「天国へのはしご」から始まります。新興技術や自動車に興味のある友人なら、テスラのオートパイロットがすでにレベル2、つまりL2自動運転機能を備えているというニュースを見たことがあるはずです。自動運転の仕組みを理解していないと、このニュースを完全に理解するのは難しいかもしれません。

米国自動車技術協会（SAE）は、自動運転を6つのレベルに分類しています。レベルが上がるほど、自動運転のレベルが高くなります。最も低いレベルはレベル0で、自動運転機能がまったくないことを意味します。最も高いレベルはレベル5で、完全な自動運転機能があることを意味します。ドライバーは運転席に座って安心して本を読むことができます。あるいは、運転席がまったく必要ありません。

現在、市場で販売されている自動運転機能はどの程度のレベルでしょうか。ここ数年、業界は非常に楽観的でしたが、焦点は運転席を撤去した後、麻雀卓に置き換えるか、鍋テーブルにするかに移りました。

しかし、現実は非常に厳しい。一定期間の練習、特に自動運転のロールオーバー（文字通り「ロールオーバー」）を何度か経験すると、皆の頭は徐々に落ち着いてきた。現在、自動運転の大手は、レベル5の達成は非常に難しく、実際に達成するには長い時間がかかるだろうという点で基本的に合意に達している。今後数年で自動運転を運転免許試験の代わりとして使うことは不可能になることは間違いない。

もちろん、状況は両極端というわけではない。自動運転車がドライバーを失業させるまでにはまだ長い道のりがあるが、現時点では進歩のない単なる小道具というわけではない。さまざまな複雑な道路状況に適応できる自動運転システムを開発するのは確かに困難ですが、難しい数学の問題を解くのと同じように、最初にいくつかの背景制約を追加して問題を単純化することができます。

現在、いくつかの特定の応用シナリオでは、自動運転は実際に運転手が「手を離す」ことができるレベルに達しています。たとえば、工場内や公園内を走行できる無人バスや、特定の道路を走行できる無人タクシーが存在します。

SAEの自動運転の分類によると、現在市場に出回っているさまざまなタイプの自動運転は、有名なテスラのオートパイロットを含め、基本的にはまだレベル2とレベル3であり、これは部分的な自動運転と条件付き自動運転を意味します。読みづらいですが、簡単に言えば、ドライバーの手助けはできるが、ドライバーに代わることはできないことを意味します。

わが国の3つの省庁が発行した「インテリジェントコネクテッドカー路上試験管理規定（試行）」でも、試験運転者は必ず試験車両の運転席に座り、車両の運転状況や周囲の環境を常に監視し、いつでも車両を引き継ぐ準備ができていなければならないと規定されている。

すでに走行している前述の無人バスやタクシーは、実際の運行時には1人か2人の安全管理官が同乗していることが多く、「運転席には誰もおらず、ハンドルだけが空転している」という誰もが想像する光景とは少し異なるかもしれない。

一部のインテリジェント運転システムでは、ドライバーが「自動運転」を過信しすぎて注意散漫になる可能性も懸念されており、ドライバーの手がハンドルにあるかどうか、ドライバーの目が車の前方を見ているのか、それともどこか他の場所を見ているのかを検出するなど、ドライバーが運転に集中しているかどうかを確認するための一連のメカニズムを導入している。

自動運転車の現状は、良い面と悪い面が混在していると言えます。新しい製品が注目を集めるたびに、人々は成功がすぐそこにあると感じます。しかし、新たな事故が起こると、人々は不安になり、この道を進むことができるかどうか疑問に思うようになります。一般的に、人工知能技術の典型的な代表例として、無人運転車は、これまで試行され実装されてきた多くの人工知能製品と同様に、希望と課題の両方を秘めています。

初めて自動運転車に乗ったときのことを今でもはっきり覚えています。運転席と助手席にそれぞれ2人の屈強な男性が座っているため、SF感は少し薄れていましたが、無人のハンドルが勝手に回転し、赤信号でブレーキをかけ、突然現れた歩行者や車両を避ける様子を見て、まるで大きなマジックショーを体験したような気分になりました。言葉では言い表せないほどの衝撃を受け、魔法のカーテンを持ち上げてその背後にある謎を覗き見たくて待ちきれませんでした。

02 無人運転はどうやって実現されるのか？

自動運転は非常に最先端の研究分野で、ニュースも多く取り上げられていますが、この技術を体系的に紹介している書籍は多くありません。また、数少ない書籍も、大部分がポピュラーサイエンスであり、理論レベルでの紹介が不足しているため、その原理を深く理解することが難しいのです。このようなニーズを持つ学生には、「インテリジェント運転技術：経路計画とナビゲーション制御」をお勧めします。

これはハードコアな本です。これを読めば、自動運転のプロセス全体を明確に理解できるようになります。以下は、「インテリジェント運転技術：経路計画とナビゲーション制御」を読んだ後の私自身の理解です。

無人運転を実現するには、高精度の地図、センサー、車両制御システムという三宝が必要だ。

マップ1はわかりやすい。自動運転でも有人運転でも、最終的な目的は出発地から目的地まで車を運転すること。鍵となるのは「道を知る」ことだ。私たちは皆、そのプロセスに精通しており、マップナビゲーションを使用する必要があります。自動運転にも地図ナビゲーションは必要ですが、自動運転で使われる地図は、私たちが普段使っているナビゲーションの地図とは異なります。高精度な地図です。

違いは何でしょうか? ナビゲーション マップは主にさまざまな場所、つまり地理情報を識別しますが、信号、交差点、車線規則、道路レベルなどの運転関連の情報はほとんど欠けていることを思い出してください。

一方、高精度の地図は精度に対する要求が高く、通常は GPS やリモートセンシング画像などの計測機器の結果と組み合わせて描画する必要があります。一方、走行情報は充実しており、交差点やスロープ、小道など、専用レーンまで細かく区分されています。

高精度の地図には膨大な情報量が必要なため、当然ながら制作コストは高額になります。しかし、高精度の地図があれば、自動運転で道路を見つけるのがはるかに簡単になり、リアルタイムの計算要件も大幅に軽減されます。

自動運転の2つ目の宝はセンサーです。センサーは、無人運転車の外観上のシンボルであるべきです。現在、無人運転車は一般的に背の高い「帽子」をかぶっていますが、これがセンサーです。人間は運転中に目と耳を大きく開いておく必要がありますが、自動運転車も運転するために目と耳が必要です。センサーは自動運転車の目と耳です。

高精度のレーダーがあるのに、なぜまだセンサーが必要なのか理解できない人もいるかもしれません。実際の環境での運転は、ゲームでの運転とは異なり、「舞台裏を見る」ことはできません。道路にはさまざまな予期しない障害物が現れ、リアルタイムで観察する必要があります。ここでの障害物とは、狭義の障害物だけでなく、前方の歩行者や後方から急加速する車両なども含まれます。

最も単純な信号であっても、「ここに信号があるのは分かるが、今は赤か緑か？運転を続けるべきか、急ブレーキをかけるべきか？」など、状況の把握にはセンサーによる観察が必要です。初心者ドライバーは皆、道路を走行中に、道路は混雑していて、特に人間にとっては、自動運転どころか観察すべきものが多すぎると感じるはずです。

無人運転では、さまざまな環境情報を正確に捉えるために、高解像度カメラ、赤外線センサー、ライダー、ミリ波レーダーなど、さまざまなセンサーを使用してさまざまな環境情報を捉えます。捉えられる光信号は可視光に限定されず、360度のサラウンドビジョンも備えています。環境情報の捕捉という点では、無人運転の能力は人間を上回っているといえます。

最後の項目は、最も核心的であり、また最も難しいものである、車両の運転システムです。

正確に言うと、自動車の運転システムはソフトウェアとハ​​ードウェアの2つに分かれています。無人車両を実現するためには、まず車両のハードウェアを変更する必要があります。これは理解しやすいはずです。無人運転を語るには、まず無人運転システムがアクセル、ブレーキ、ハンドルを制御できるようにする必要がありますよね？これはハードウェアレベルでは車両走行システムであり、ソフトウェアレベルでは自動運転の「頭脳」です。

鍵となるのは脳です。地図や情報がどれほど強力であっても、それを実際に活用するには強力な脳が必要です。具体的には、さまざまなアルゴリズムがあります。この部分には、多くの特定の専門知識が含まれます。詳細については、「インテリジェント運転技術：経路計画とナビゲーション制御」を参照してください。ここでは、非常に興味深いと思われる 2 つの問題のみについて説明します。

最初の質問は、どのようにトレーニングするかです。自動運転は人工知能技術に依存しており、さまざまな機械学習、ディープラーニング、深層強化学習モデルから選択します。これらのモデルを使用するには、トレーニングという必要なステップがあり、トレーニングには試行錯誤が必要です。

私の著書「機械学習アルゴリズムの数学的分析とPython実装」を読んだ学生たちは、トレーニングプロセスがエラーを継続的に減らすプロセスであることを知っています。これは他の場所では問題になりませんが、自動運転では問題が複雑になります。ある日突然、クレイジーな自動運転車が路上に現れることを望む人はおそらくいないでしょう。モデルのトレーニングにはそのようなプロセスがあると言われても、うまくいきません。

では、この問題はどのように解決されるのでしょうか。シミュレーション環境を使用することで、自動運転はシミュレーション環境内で継続的に学習し、進化します。真の「熟練ドライバー」になるためのトレーニングを受けた後でのみ、実際に道路を運転できるようになります。

2 番目の質問は、乗車体験についてです。これは非常に興味深い質問です。私たちは皆、運転は単に運転することではなく、乗車することでもあることを知っています。車を川に突っ込ませないのに、車酔いするほど運転してしまうような、ある種の下手な運転技術があります。しかし、この問題は確かに運転の問題に起因する可能性があり、また、運転の問題以外の原因に起因する可能性もあります。

自動運転ではこの問題を考慮しますが、まず第一に、それをどのように形式化するかという別の問題を考慮する必要があります。乗車体験は感覚であり、非常に主観的ですが、数学的なツールを使用してこの問題を解決するには、まず問題を形式化する必要があります。簡単に言えば、私たちの主観的な経験は、感情のない数式を使って本当に表現できるのでしょうか?

自動運転に取り組んでいる研究者の答えは「はい」です。例えば、緊急事態に遭遇したときはブレーキをかけなければなりませんが、ブレーキを急に強くかけすぎると、乗客はすぐに吐き気を催してしまいます。これは一対の矛盾であり、この一対の矛盾は数式によって完全に記述することができ、最適な解決策を見つけることができます。