カテゴリー別アーカイブ: 自動運転車

Alphabet配下のWaymoとDeepMindが連携すると、AIが自動運転アルゴリズムを生成

Alphabet子会社であるWaymoとDeepMindは共同で、AIで自動運転アルゴリズムを生成する技法を開発した。自動運転車はニューラルネットワークで周囲のオブジェクトを把握し、その挙動を予想し、クルマの進行方向を決める。今までは、研究者がニューラルネットワークを開発してきたが、この技法を使うとAIがニューラルネットワークを生成する。AIがAIを生成する技法は既に登場しているが、これを自動運転車に適用したのはWaymoが初となる。

出典: Waymo

アルゴリズム教育

自動運転車はニューラルネットワークが安全性を決定する。Waymoは複数のニューラルネットワークを使い、センサーデータを解析し、車線や道路標識や歩行者や車両などを判定する(上の写真)。新しいデータを収集した時や、新しい場所で運転を開始する際は、ニューラルネットワークの再教育が必要となる。しかし、ニューラルネットワークを教育し、その精度を検証するには時間を要す(数週間かかるといわれている)。

ハイパーパラメータ最適化

アルゴリズム教育はニューラルネットワークのハイパーパラメータの最適化(Hyperparameter Optimization)に帰着する。ハイパーパラメータとはニューラルネットワークの基本形式で、学習速度(Learning Rate)、隠れ層(Hidden Layer)の数、CNNカーネル(Convolution Kernel)の大きさなどから構成される。ニューラルネットワークの教育を開始する前に、これらハイパーパラメータを決めておく。

AIで最適なハイパーパラメータを見つける

最適なハイパーパラメータを見つけるためには、異なる種類のハイパーパラメータを並列に稼働させ、それを検証して性能を比較する。この方式は「Random Search」と呼ばれ、AI(Deep Reinforcement Learning)の手法を使い、最適なハイパーパラメータを探す。Googleはこの方式を「AutoML」と呼び、クラウドで一般に提供している。WaymoはこのAutoMLを使い(下の写真、AutoML Architecture Searchの部分)、自動運転アルゴリズムの開発を始めた。

出典: Waymo

DeepMindが開発した新方式

DeepMindはAutoML方式を改良したシステム「Population Based Training (PBT)」を開発した。Waymoは2019年7月、この方式で自動運転アルゴリズムを開発し、性能が大きく向上したことを明らかにした。PBTもRandom Searchでハイパーパラメータを探すが、ここにダーウィンの進化論(Theory of Evolution)を適用し、自然淘汰の方式で最適な解にたどり着く。複数のニューラルネットワークが性能を競い合い、勝ったものだけが生き残る方式を採用している。

Population Based Trainingとは

具体的には、複数のニューラルネットワークを並列で教育し、それらの性能を測定する。最高の性能を達成したニューラルネットワークが生き残り、それが子供ネットワーク「Progeny」を生み出す(下の写真、複数の子供ネットワークが教育されている概念図)。

出典: DeepMind  

子供ネットワークは親ネットワークのコピーであるが、ハイパーパラメータの形が少しだけ変異(Mutate)している。自然界の摂理を参考に、ネットワークが子供に受け継がれたとき、その形を少し変異させる。生成された複数の子供ネットワークを教育し、そこからベストのものを選別し、このプロセスを繰り返す(下の写真:親ネットワークから子供ネットワークが生成される)。

出典: DeepMind  

才能を見抜く技術

PBTは優秀な子供ネットワークにリソースを集中させ、人間に例えると英才教育を施す仕組みとなる。これがPBTの強みであるが弱点でもある。PBTは短期レンジで性能を判定するため、今は性能は出ないが将来開花する遅咲きのネットワークを見つけることができない。この問題に対応するため、PBTは多様性を増やすことで遅咲きのネットワークを育てた。具体的には、ニッチグループ(Sub-Population)を作り、この中でネットワークを開発した。ちょうどガラパゴス諸島で特異な機能を持つ生物が生まれるように、閉じられた環境でエリートを探した。

クルマに応用

PBTは野心的なコンセプトであるが、実際にそれをWaymo自動運転車に適用し、その効果が実証された。BPTはオブジェクトを判定するニューラルネットワーク(Region Proposal Network)に適用された。このアルゴリズムは周囲のオブジェクト(歩行者、自転車、バイクなど、下の写真右側)を判定し、それを四角の箱で囲って表示する(下の写真左側)。その結果、アルゴリズムの判定精度が向上し、遅延時間が短く(短時間で判定できるように)なった。更に、Waymoは複数のニューラルネットワークでこの処理を実施しているが、PBTにより一本のニューラルネットワークでこれをカバーできることが分かった。

出典: Waymo  

判定精度が大幅に向上

PBTによりアルゴリズムの性能が大幅に向上したが、具体的には、PBTで生成したニューラルネットワークは従来の方式に比べ、従来と同じ再現率 (Recall、例えば周囲の自転車をもれなく検知する割合)で精度(Precision、例えば検知したオブジェクトを正しく自転車と判定する割合)が24%向上した。また、PBTは従来方式に比べ必要な計算機の量が半分となったとしている。

Googleのコア技術

Googleのコア技術はAIでこれをWaymoが採用することで自動運転アルゴリズムが大きく進化した。上述のAutoMLはGoogle Brain(AI研究所)で開発され、さらに高度なPBTはDeepMindが開発した。自動運転車はニューラルネットワークがその商品価値を決めるが、Googleのコア技術であるAIがWaymoの製品開発を後押ししている。

AppleがDrive.aiを買収:名門自動運転車ベンチャー挫折の理由は?スタートアップの淘汰が始まる

Appleは2019年6月、自動運転車ベンチャー「Drive.ai」を買収した。地元の新聞San Francisco Chronicleなどが報道した。この買収はAcqui-Hire(採用目的の買収)で、AppleはDrive.aiの有力開発者を雇い入れた。Appleは自動運転車を開発しているが、この買収で開発体制が強化される。Drive.aiはAI研究の第一人者Andrew Ngが指揮を執り、革新的な自動運転技術が登場すると期待されたが、予想に反し目立った成果を出せなかった。

出典: Drive.ai  

Drive.aiとは

Drive.aiはシリコンバレーに拠点を置くベンチャー企業で、社名の通りAIを基軸に自動運転技術を開発していた。Drive.aiはスタンフォード大学AI研究所(Stanford AI Lab)の研究者が創設し、Andrew Ngが会長として指揮を執っていた。Drive.aiはステルスモードでの開発を終え、2018年7月からは、テキサス州で実証実験を開始した。ちなみに、Drive.ai共同創業者のCarol ReileyはAndrew Ngの奥様である。

開発コンセプト

Drive.aiは業界最先端のAIとDeep Learningを使って自動運転技術を開発した。AIが周囲のオブジェクトを見分け、また、AIが人間の運転テクニックを見るだけで学習する。しかし、この方式で安全なクルマを開発できないことが分かり、基本設計の見直しを迫られた。車両はミニバン「Nissan NV200」を使用し(先頭の写真)、ここにセンサー(Lidar、カメラ、レーダー)を搭載し、制御機構にRobot Operating System (ROS、ロボットや自動運転車制御ソフト)を採用した。つまり、自動運転の定番技術をオープンソースで実装するというアプローチを取った。

インターフェイス

また、自動運転車と人間のインターフェイスを確立することで、安全性を高めるデザインとした。クルマは前後にディスプレイを搭載しシステムの意思を表示する。横断歩道では歩行者に「Waiting for You to Cross」と表示し安心してクルマの前を歩けるデザインとした(下の写真)。

出典: Drive.ai  

テキサス州での実証試験

Drive.aiはテキサス州フレスコ市と提携して自動運転車の実証試験を進めた。オフィス街で定められた経路を走行する自動運転シャトルとして運行した。また、テキサス州アーリントン市と提携しシャトルサービスを展開した。クルマは固定のルートを走り、市街地とスポーツ施設(AT&T Stadium、Dallas Cowboysのスタジアム)の間で輸送サービスを展開した(下の写真)。

実証実験は終了

Drive.aiは今年に入り会社の買い手を探していたといわれている。当初、Drive.aiは自動運転技術をすべてAIで実装するという高度な技術に挑戦していた。その後、オープンソースベースの自動運転技術を開発し、上述の通り、バスのように固定ルートを走行する自動運転車として運行を始めた。しかし、この実証実験は終了となり、Drive.aiの自動運転技術が注目されることはなかった。

出典: Drive.ai  

Appleの自動運転車開発

Appleは自動運転車を開発しているがその内容はベールに包まれている。開発プロジェクトは「Project Titan」と呼ばれ、2014年から始まり、2016年にはその規模が縮小された。同じ年に、Appleは中国大手ライドシェア 「Didi Chuxing (滴滴出行)」に10億ドル出資している。その後、Appleは自動運転車開発を再開し、今では大規模な体制でこれを進めている。事実、カリフォルニア州で自動運転車の走行試験を実施しているが、車両台数は55台と破格に多い。

お洒落で滑らかなクルマ

Appleが開発するクルマは自動運転機能だけでなく、乗り心地のいいデザインになるといわれている。Appleがダッシュボードやシートを設計し、また、フルアクティブサスペンション(Fully Actuated Suspension)を搭載することでショックを吸収し滑らかな走りができる。しかし、Appleがクルマを開発するのか、それとも、自動運転技術をメーカーに供給するのかなど、ビジネスモデルは見えてない。

バブルと淘汰

Drive.aiが開発を中止したことは自動運転車技術の難易度の高さを示している。固定ルートを無人で走行するレベルのクルマはできるが、市街地を自由に走れる自動運転車の開発は異次元の難しさがある。Drive.aiはピボットするのが早かったが、事業停止の見極めも早かった。いまカリフォルニア州で60社が路上で自動運転車の走行試験を進めている。自動運転バブルともいえる状況で、これから新興企業の淘汰が始まることになる。

Teslaは無人ライドシェア事業を開始、ハンドルのない完全自動運転車がUberの顧客を奪う

Teslaは2019年4月、自動運転技術を報道機関向けに紹介するイベント「Tesla Autonomy Day」を開催した。この模様はYouTubeで公開された。Teslaは2020年に完全自動運転車(Level 5)を投入するとともに、無人のライドシェア事業を始めることを明らかにした。Teslaオーナーはクルマをロボタクシー(Robo Taxi)として貸し出し、無人ライドシェアが乗客を輸送する。無人ライドシェア料金は安く、TeslaがUberやLyftの顧客を奪おうとしている。 🔒

Teslaは年末までに完全自動運転車をリリース、高性能AIで人間より3倍安全なAutopilotを実現

多くの自動車メーカーが自動運転の開発に手間取るなか、Teslaは2019年末までに完全自動運転機能を投入する。クルマはすでに必要なハードウェアを搭載しており、ソフトウェアをWiFiで更新するだけで自動運転車となる。Teslaはカメラの画像を高性能AIプロセッサで解析することでこれを実現する。Lidarは不要で定石を覆す方式を取り、自動運転技術のブレークスルーが生まれるのか、その成果に注目が集まっている。🔒

出典: Tesla

Waymoは無人タクシーアプリを一般に公開、いよいよ自動運転車サービスが始まる

Waymoは、2019年4月、無人タクシーサービス「Waymo One」向けのアプリを公開した。このアプリをGoogle Playからダウンロードして利用する。Uberを使う要領で、アプリからWaymoに配車をリクエストする(下の写真)。無人タクシーサービスはアリゾナ州フェニックスで展開されている。今までは実証試験として利用者を限定してきたが、今月からこのサービスが一般に公開された。

出典: Waymo

商用サービスを拡大

Waymoは2017年から、アリゾナ州フェニックスの特定地域で無人タクシーの実証実験「Early Ride Program」を進めてきた。2018年12月、Waymoはこれを商用ベースに切り替え、「Waymo One」という名称で無人タクシーサービスを開始した。Waymo Oneは実証実験への参加者を対象に限定的に進められてきたが、今月からこのサービスを一般に公開した。

専用アプリを公開

Waymo Oneを使うには、公開されたアプリをスマホにダウンロードして利用する。ただ、すぐに利用できるわけではなく、アプリはWaymo Oneの利用申請書となっている。アプリを起動するとWaymo One利用申し込みの画面となり、ここで利用を申請し、これが認可されるとサービス利用できる(下の写真)。当初はフェニックスの特定地域に居住している住民が優先される。

出典: VentureClef

アプリの使い方

申請が認可されると公開されたアプリからWaymo Oneのサービスを利用できる。配車をリクエストする際には、乗車場所(Pickup Point)と降車場所(Dropoff Point)を指定する(下の写真左側と中央)。これに対してアプリはこの近傍の最適な乗車場所と降車場所を示し、これでよければリクエスト(Request Ride)ボタンを押すとクルマが配車される(下の写真、右側)。これは有料のサービスであるが料金体系は公開されていない。

出典: Waymo

料金を計算すると

一方、アプリの画面には、Element Chandler Fashion CenterからDowntown Chandlerまで走行すると料金は$7.32との記述がある。この区間の距離は4.5マイルで所要時間は11分程度で、ここから計算すると料金単価は$1.63/マイルとなる。また、同じ区間をUberXで走行すると$9.92となり、30%ほど安く設定されている。

車内のディスプレイ

クルマが配車され乗車すると、座席の前のディスプレイに目的地と所要時間・到着予定時間が示される。これを確認して「Start Ride」ボタンを押すとクルマは発進する。走行中はクルマのディスプレイに運行状況が表示される(下の写真)。ここにクルマが認識する周囲の状態が表示され、車線や横断歩道、他の車両や歩行者などがグラフィカルに表示される。走行に影響するオブジェクトはハイライトして示される。到着地でクルマを降りると料金はアプリに課金される。

出典: Waymo

オペレーターのサポート

走行中に乗客はWaymo Oneのオペレーターと会話することができる。ディスプレイの「Support」ボタンを押すと、電話がコールセンターに繋がり、オペレーターと話をすることができる。例えば、「行き先を変更したいがどうすればいいのか?」などと問い合わせることができる。無人タクシーではオペレーターがドライバーに代わり乗客をサポートする。

一般公開の意義

Waymo Oneが一般に公開されたことは、無人タクシーの商用サービスに向け大きく前進したことを意味する。実証実験では参加者は厳しい制約の下でWaymo Oneを利用してきた。参加者は守秘義務にサインし、知りえた情報を外部に公開することは禁止されていた。また、社内でビデオや写真撮影は禁止され、また、参加者以外の人を同乗させることはできなかった。サービスの一般公開でこれらの制限が撤廃された。

体験レポート

これに伴い、ネット上でWaymo Oneの乗車体験レポートが目立つようになった。ある利用者は、Waymoが渋滞のハイウェイでうまく車線変更できた様子をYouTubeに掲載している。一方、ショッピングセンターの道路が大勢の歩行者で込み合い、クルマは立ち往生したとの報告もある。結局、アルゴリズムがタイムアウトとなったのか、セーフティドライバーがコールセンターに連絡し、ルートを再計算して再起動した。当面はセーフティドライバーが搭乗し、クルマが完全に自動走行できるにはもう少し時間がかかりそうな様子がうかがえる。

出典: Waymo

カリフォルニア州での営業運転

コールセンターはフェニックス、オースティン、及び、マウンテンビューに開設されている。フェニックスの次はこれらの都市でWaymo Oneの営業運転が始まる可能性が高い。事実、Waymoはカリフォルニア州で自動運転車を無人で運行するための認可を受けた。自動運転車の走行ではセーフティドライバーの搭乗が義務付けられていたが、これにより無人車両を公道で走らせることができるようになった。Waymoが認可を受けた最初の企業となり、Waymo Oneの営業運転の環境が整ってきた。