無人運転車の実現にこれほど時間がかかるのはなぜかパート2: ビッグデータの大きな課題

次世代の自動運転車を実現するには、路上のセンサー搭載車両からデータを収集して情報を提供することが不可欠です。

人間には五感があります。自動車の場合は、レーダー、ライダー、ビデオです。

van Nunen 氏によると、車1台に使用されるセンサー数が増え、解像度も向上しています。高い解像度は、機械学習の信頼性向上に寄与します。ビデオの解像度が高ければ、路上の人が人として識別されやすくなるからです。

「何百万マイル分ものデータをテープレコーダーのようにすべて再生できます。だからこそ機械学習が重要であり、時間がかかります。機械学習のデータ管理はきわめて重要です」と Ger 氏は指摘します。

「しかし、膨大な量のデータを扱うことになります。すべてのデータを車内でリアルタイムで処理する必要があり、それは大きな課題です。車で移動しながら、車の周囲にある物を安全かつ迅速に検出する必要があります。この問題を車内で解決するのです。しかし、車にデータセンターを搭載することはできません」と van Nunen 氏は説明します。

「当社のソフトウェアは重要なフレームとオブジェクトを検出し、それらを高解像度でアップロードします。しかし、重要度の低いオブジェクトは低解像度にしておきます。コンピューティング能力をあまり使わない処理でシグナルのノイズを除去します」(van Nunen 氏)

データ量が減れば、電力とスペースを節約できます。Carlson 氏はこう説明します。「現在、ハードドライブの巨大なラックがトランクを占領しているケースが多いです。当社は、車に実際に搭載されているハードウェアも扱っています。試験車両だけでなく、路上を走行する車から取得した実際のデータも使用しています」

現実世界の運転は複雑で予測不可能です。人間は疲れたり気が散ったりします。自動運転車の能力を人間以上に高めることは、自動運転車が他の車、歩行者、自転車と安全に共存するために不可欠です。

Carlson 氏は次のように話しています。「たとえ99.9% の安全性があったとしても、その0.1% は何百万マイルも走れば大きな危険になります。イーロン・マスク氏が何と言おうと、まだ機は熟していません。目標は変わり続けているのです」

自動運転試験車両の重要な安全補助システムの1つは、ドライバーモニターです。AI を活用した映像監視により、乗車している人間は潜在的なトラブルに注意し、気付くことができます。

Consumer Reports 社の車両テクノロジー担当マネージャーである Kelly Funkhouser 氏は「自家用車のドライバーはドライバーモニターによって常時監視されることに抵抗を感じるかもしれない」と指摘しますが、長距離トラック運転手はすでにこの手法を実践しているので、状況が変わるのはそれほど難しくないでしょう。

パンデミックの発生以降、自動運転車は長距離トラック業界の労働問題の解決策として注目を集めています。パンデミック中にオンラインショッピングの利用が急増したことで、世界経済における流通の重要性が高まっています。

高速道路という閉じられた環境では、自動運転トラックの試験が比較的安全にできます。「今後数年で、長距離走行では自動運転車を使用し、市街地走行では人間に運転させる事業者が増える」と Carlson 氏は予測しています。

Embark Trucks 社は2024年にカリフォルニアとテキサスで自動運転車の発売を予定しています。Waymo Via 社 (Alphabet 社から独立した子会社) は Ryder System 社の協力のもと、Daimler 社が製造する自動運転トラックの試験を全米展開しようとしています。TuSimple 社は UPS 社および Navistar 社と提携して、米国南西部でトラックの試験を進めています。