AIが生み出す自動運転の未来は一本道ではない
デンソーアイティーラボラトリが見据える自動運転のロードマップとは(1/2 ページ)
高度なセンシング技術を必要とする自動運転。ここで鍵となるのがAI技術だ。デンソーが取り組む自動運転技術の開発やAI技術の活用について、具体的な研究事例とともに解説する。
次々に新機能が実装される現代の自動車。その中で目玉機能の一つとなっているのが、自動ブレーキなどの運転支援機能だ。先行車を追尾する速度調整機能や、走行レーンを維持するレーンキープ機能など、さまざまな技術が実用化されている。これらは広義の自動運転技術に含まれる。その先には無人走行車が見据えられるが、その道筋は1つではないようだ。ガートナー ジャパンが2018年4月に開催したセミナーで、デンソーアイティーラボラトリでCTO(最高技術責任者)を務める岩崎弘利氏が、自動運転の要素技術やそれらの実用化ロードマップについて語った。
併せて読みたいお薦めの記事
自動運転車のある未来
自動運転車のリスク
自主研究開発が9割を占めるデンソーアイティーラボラトリ
岩崎氏が所属するデンソーアイティーラボラトリについて紹介しよう。自動車好きな読者なら、デンソーグループについて多少の知識を持っているかもしれない。デンソーグループは、自動車用の電装や自動車メーカー向けのITサービスを提供してきた。2000年に設立されたデンソーアイティーラボラトリは、グループの中では歴史は浅いが、約30人の研究者が最先端技術の開発に取り組んでいる。研究分野は自動車を取り巻くものが中心だが、研究者の出自は研究所、IT企業、電機メーカーなどさまざま。
こうした企業の開発部門の多くは、グループ企業や取引先からの依頼を受けて技術開発をするが、デンソーアイティーラボラトリでは自主的な研究開発が9割を占めるという。開発委託を受けるのではなく、親会社であるデンソーに開発提案をし、時にはデンソーとの共同開発もするという。研究の独自性が高く、学会発表も積極的にしているのが特徴だ。
岩崎氏は入社当初、デンソーでカーナビゲーションソフトウェアの開発に携わっていたという。デンソーアイティーラボラトリに移ってからは、データ同士の関連性を可視化するベイジアンネットワークについて学び、博士号を取得。最近ではデンソーグループ全体のAI技術開発をリードしている。
中心となるのは「DENSO AI R&D プロジェクト」だ。活動方針は「機械学習をはじめとするAI技術を自動車に取り入れる」と明確。東京に技術者を集結させ、外部の研究施設とも積極的に連携しながら研究を進めている。主な分野は、ADAS(Advanced Driver Assistance Systems:高度運転支援システム)、AD(Autonomous Drive:自動運転)。加えて、自動車の情報や生産工場の情報を集めるIoT(モノのインターネット)などの基礎技術分野の研究にも取り組んでいる。
人間以上の画像認識精度を得て、今度こそ実用化に向けて歩むAI
AI技術が自動車にもたらす効果を語る前に岩崎氏は、これまでのAI研究の歴史を簡単に振り返った。AI技術がブームになるのは3度目だ、というのは最近よく聞く話だ。1950年代、正確には1956年のダートマス会議で「AI」という言葉が生まれたといわれている。当時は夢の技術といわれたものの、コンピュータの性能などが追い付かず、現実的なメリットをもたらすには至らなかった。2度目のブームは、1980年代に到来。ルールベースで世界の知識を集めれば、コンピュータによって専門家の意思決定を再現するエキスパートシステムを構築できるのではないかといわれた。しかし膨大なルールをどのように高速処理するのか、ルール自体をどうメンテナンスするのかを考えると実現性が低く、これも夢物語に終わった。
そして現在、第3次AIブームが訪れている。「背景には4つの要因があると私は考えています」と岩崎氏は語った。1つは、コンピュータが発達して処理能力が向上したこと。2つ目はインターネット内に膨大なデータが集まり、ビッグデータを扱えるようになったこと。3つ目は、IT企業同士がAI技術を取り入れた製品を競って開発したことで、適用タスクが広がったこと。そして最後が、機械学習技術の発達だ。
岩崎氏は、機械学習が注目を集めている理由についても触れた。現在の機械学習ブームを支えているのは、計算能力の向上と学習データの増加、多様化だ。膨大で多種多様なデータを高速に学習できるようになったことで、画像認識の精度はここ数年、飛躍的に高まった。画像認識精度を競うコンペティションの「ILSVRC(ImageNet Large Scale Visual Recognition Challenge)」では、今や人間よりも高いスコアが出るようになった。その機能を製品やサービスに実装するための開発ツールが充実してきたことも、機能成長を後押ししている。
全ての自動運転開発が完全自動運転を目指している訳ではない
AI技術はいよいよ実用段階に入った。岩崎氏らが取り組むDENSO AI R&D プロジェクトもその一つで、自動運転にAI技術を活用しようとするものだ。ところで自動運転というと無人で自動車が走るイメージがないだろうか。しかし実際は、既に市販車に採用されている自動ブレーキも自動運転技術の一つだ。このように「自動運転」という言葉が与えるイメージがあまりに幅広いため、自動車業界では5段階のレベルに分けている。
レベル1に当たるのは、単独で機能する自動運転技術だ。アクセル、ブレーキ、ハンドルなど、どれか1つだけを自動化する。速度を自動的に調整して先行車を追従させる車間距離維持型のクルーズコントロールや、近年急速に普及した自動ブレーキがこれに当たる。レベル2はレベル1の延長線上にあり、レベル1の技術を複数組み合わせたものといえる。例えばアクセルとハンドルを自動的に操作して、走行レーンを維持するレーンキープ機能が分かりやすい例だろうか。
ここまでは、自動運転とは言いつつ人間が運転の主体となることが前提だ。しかしレベル3より上の自動運転技術では運転の主体はシステムに委ねられ、運転責任もシステム側にある。「もっとも、万一の際に責任を負うべき主体が自動車メーカーなのか、無人自動車を使ったサービス事業者なのか、はたまたシステムを開発した企業なのか。その辺りはまだ議論を深めなければならないでしょう。いずれにしろ自動運転を考える際には、レベル2とレベル3との間に越えなければならない深い谷があることは確かです」(岩崎氏)
レベル3で求められるのは、一定期間だけでもシステムに運転を任せられること。自動運転中に運転手は何をしていてもいいが、レベル3ではまだ手動運転を求められるシーンが残るので、運転手が待機している必要はある。これがレベル4になると、運転手自体が不要になり、運転は完全に自動化される。レベル4とレベル5との違いは、エリアや条件が限定されているかどうか。決められた地域、決められた道路だけを無人走行できるのがレベル4、どんな場所にも自動運転で行けるのがレベル5だ。
「重要なポイントは、自動運転開発には2つの流れがあるということです。高いレベルを目指す流れと、レベル2での商用化を目指す流れです」(岩崎氏)。高いレベルを目指す流れの分かりやすい例として同氏が挙げたのが、Alphabet(Googleの親会社)の子会社Waymoが実証実験中の無人タクシーだ。安全のために当初はドライバーが搭乗していたが、2018年3月からついに無人運転を始めた。エリアを限定したレベル4でのサービス例だ。
一方レベル2での商用化は、国内外の自動車メーカーが既に技術開発に取り組んでいる。主に自家用車での採用を目指しており、2020年に向けて高速道路でのレベル2商用化を見据えている。その後、高速道路ではレベル3に移行、一般道でのレベル2商用化が始まるとみられるが、交差点の右左折が実用化されるのは2025年ごろではないかといわれている。
「分かりやすく言えば、自家用車向けにはレベル2の商用化が、無人タクシーや無人宅配など事業用としてレベル4の実用化が研究されているということです」(岩崎氏)
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド:人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か? PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える? 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”? データが明かすAIの裏側
-
2
なぜ「全社配布Copilot」は使われないのか? 失敗に学ぶAI定着
-
3
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか? 脱メインフレームの真相
-
7
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい?
-
8
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
9
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
10
IT製品の導入に関するアンケート「PC&デバイス」編
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化? 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険? 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化? 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ?
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー