なぜ自動運転には、これほど多くのセンサーが必要なのか

車のハンドルを握って走行するとき、私たちの脳は、前方や周囲で起きていることを見分けなければなりません。それは五感が知覚する情報と、これまでに得た知識や、運転の目的とを組み合わせて行っています。

自動運転の車は、人間の手を借りずに車を走らせるため、そうした一切をこなして、人間よりもさらに安全であることを目指しています。そのため、自動運転車のメーカーは、センサーやカメラ、超音波システム、レーダー、LIDARのような機器を数多く搭載していることを、いつも誇らしげに語ります。車に搭載されるこうした要素が多ければ多いほど、より良いというわけです。では、なぜ多いほど良いのでしょうか。この記事に添えられた画像を見れば、すぐに理解できるでしょう。

この写真は、自動運転車の開発に携わる技術者の間で「エッジケース」と呼ばれるものを示しています。エッジケースとは、ソフトウェアが珍しい状況を人間とは異なる方法で処理するため、車両の挙動が予測できなくなる場面のことです。画像には、前を走るミニバンの後ろにいるサイクリストの画像を、自動運転車が本物の人間と誤認し、その結果誤った判断に至った際に、車のセンサーとカメラが記録したデータが示されています。実際にはそれは写真にすぎないのです。

この死角について、シミュレーションソフトウェアを開発するCognata社のCEO、ダニー・アツモン氏は次のように説明しています。「LIDARはガラスを検知できず、レーダーは主に金属を認識し、カメラは画像によって騙される可能性があります。」同社のシミュレーターでは、車両をエッジケースにさらし、技術者が自動運転車を事故のリスクなしに対処できるようにアルゴリズムを開発することができます。アツモン氏によれば、「自動運転に必要な各センサーは、検知という課題のうち、それぞれ異なる部分を解決しています」。特定のエッジケースを正しく解決するためにどのデータを利用できるかを徐々に見出していくことで（シミュレーションによるものでも実世界によるものでも）、車両はますます複雑な状況に対処することを学習していくのです。

Tesla社は、自社のAutoPilotシステムにデータを提供するため、レーダー、カメラ、超音波センサーのみを採用するという判断について批判を受けました。その理由は、同社の車両の一台が、明るい青空を背景にしたトレーラーを見分けられなかったことにあります。この誤認により車両同士が衝突し、Tesla車の運転手は即死しました。批判する人々は、LIDARがセンサーの組み合わせにおいて重要な要素であると主張しています。カメラと違い、この機器は暗い場所や強い光の下でもよく機能し、レーダーや超音波よりも詳細なデータを提供します。しかし、アツモン氏が指摘するように、「LIDARにさえ欠点はあります」。たとえば、赤信号と青信号を区別することはできません。

したがって、こうした状況を避けるための最も安全な方法は、メーカーがより多様なセンサーに頼り続けることであり、システムにできる限り高い冗長性を持たせることです。だからこそ、すべての自動運転車には、可能な限り多くの検知器、センサー、カメラを搭載する必要があるのです。こうしたおかげで、多くの自動運転車は、ここに掲載した写真や動画の映像が示すような問題を乗り越えています。そこでは、自動運転車が、周囲に描かれた円の実線を越えることを禁じられているため、反応することができずにいます。

搭載されたすべての検知システムからの情報を組み合わせて分析し、蓄積された経験と照らし合わせることで、そうした困難を乗り越えることができるのです。少なくともサイクリストたちは、きっとそれに感謝することでしょう。

https://vimeo.com/208642358