SurfelGAN でメタバースを作成する車の脳を訓練するためにシムシティを立ち上げるお金がないからですか?

自動運転はディープラーニングの重要な応用分野です。

長年にわたる蓄積の結果、現在では科学研究者が AI アルゴリズムを検証し、改善するための公開データセットがインターネット上に多数存在しています。

しかし、公道での自動運転技術に関しては、安全性が第一の要素となります。そのため、自動運転AIの精度が99.99％までトレーニングされたとしても、無人道路運行の条件を満たすことはできません。

この目的のために、さまざまな自動運転企業が採用している解決策は、AIに継続的にデータを供給することです。実際の道路で継続的にテストすることで、車にデータを生成させることは簡単です。

つまり、「大きな力は奇跡を起こす」のです。

世界有数の自動運転企業ウェイモが発表した自動運転レポートによると、ウェイモの車はフェニックスで初めて自動運転技術をテストして以来、合計610万マイル（約982万キロ）を走行した。

[[410132]]

しかし、報告書によれば、2019年から2020年の最初の9か月間に、ウェイモの車両で18件の軽微な事故と29件の衝突事故が発生したという。

何をするか？走り続けろ！

しかし、実際の道路でのテスト走行距離が伸び続けるにつれ、車両に蓄積されるデータの品質は低下しています。これまでにトレーニングされた多数の繰り返しシナリオでは、AI の改善がほとんどなく、本当に役立つデータは AI が判断できないエッジ シナリオ (いわゆるコーナー ケース) です。

さらに、多数の車両と安全担当者の長期運用コスト、そして商業化への期待の欠如は、Waymo のような大企業にとっては少々負担が大きすぎる。

この目的のために、多くの自動運転企業は、AIを「車から外し」、ソフトウェアを通じて実際の道路状況をシミュレートすることでAIをオンラインでトレーニングしようともしています。しかし、これにより、実際の道路状況のソフトウェアによるシミュレーションの信頼性に極めて高い要求が課せられます。

SimCityはあなたを助けます

おはようございます、シムシティ！昨日の交通事故くじは満30でした...

Waymo は Google の技術蓄積を活用し、最近、自動運転シミュレーション ソフトウェアの最新バージョンである Simulation City (略して Sim City) をリリースしました。

ゲームとは異なり、Waymo のシミュレーション都市は現実を追求します。

このような模擬都市は、明らかに自動運転テストには適していません。

この目的のために、Simulation City は、Waymo のこれまでのテストから得られた 2,000 万マイルを超える実際の道路データと、NHTSA (全米道路交通安全協会) や米国科学アカデミーなどの組織から公開されているサードパーティ データを統合し、Waymo のこれまでの蓄積をすべて完全にカバーすることを目指しています。

アメリカ自動車工学会のシミュレーションモデル

Waymo のシミュレートされた都市システムは、Google Alphabet チームの技術サポートにより、車両センサー シミュレーション、データの高品質な自動ラベル付け、自動エージェントなどの機械学習テクノロジーを提供します。

これにより、「Waymo Driver」の自動運転技術の導入が加速するといわれています。このシステムは普遍的に適用できるため、Waymo は新しい都市での自動運転車の導入と運用をより迅速に推進できるようになります。

新着情報？

1つ目は、より現実の環境に近いシミュレーション効果です。これは、私たちが普段見ている世界をシミュレートするだけでなく、車がセンサーの目を通して見ている世界もシミュレートします。

Waymo はまた、自動運転車によって収集された人工知能とセンサーデータを使用して、シミュレーション用のリアルなカメラ画像を生成します。彼らはこの技術を SurfelGAN と呼んでいます (surfel は「surface element」の略で、GAN は generative enemies-network の略です)。たとえば、次の図は、車両 LIDAR のポイント クラウド配列を自動的に生成します。

自動運転車にとって、雨や雪などの厳しい気象条件での運転は非常に困難で挑戦的なシナリオです。このため、シミュレーション シティ システムでは、悪天候時にセンサーによって生成されるさまざまなノイズをシミュレートすることもできます。

たとえば、カメラ上の雨滴、夜間の薄暗い照明、太陽のまぶしさなどをシミュレートします。

もちろん、ソフトウェアを通じて通常の運転状況をシミュレートするだけでは、AI を大幅に改善することは困難です。生成されるのは役に立たないゴミデータだけだからです。

この目的のために、シミュレーション シティは、技術的な手段を使用して、いくつかのコーナー ケースも作成しています。たとえば、後方車両のドライバーが運転中に携帯電話を操作して緊急ブレーキをかける状況を含め、前方車両がブレーキを踏んだときの後方車両のさまざまな反応時間をシミュレートします。

実際の道路データとの比較によると、シミュレーション都市におけるコーナーケースのシミュレーション数の確率分布も実際の環境と一致しています。

さらに、シミュレーション シティは実際の環境を完全に再現することで、これまで遭遇したことのないコーナー ケースを自動的に生成し、AI がより多くの道路状況に適応できるようにします。

左側は実際の環境、右側はシミュレーションシティでシミュレートされたリアルな効果です。

さらに、現在市販化される可能性が高い商用車についても、自動運転トラックの加速やブレーキ性能に大きく影響するトラックトレーラーの重量をシミュレートするなど、より現実に近いシミュレーションをシミュレーションシティで実施しています。

シミュレーション・シティの立ち上げにより、ウェイモが実際の路上テストと運用に費やす資金がさらに削減されるとともに、ウェイモの自動運転技術のより多くの都市への導入が加速されると期待されている。

これは、最近不安定な状況にあるウェイモにとって励みとなり、株価上昇につながるだろう。

しかし、自動運転AI技術のオンラインシミュレーショントレーニングについては、業界内では依然として懐疑的な人が多い。例えば、ミシガン州の自動運転試験場であるMcityの責任者は、「自動運転AIに欠陥のあるデータを入力すれば、得られる結果は無意味になる」と述べた。

仮想都市は将来有望だと思いますか?