CES 2024：自動運転エンジニアからの総括

CES 2024：自律走行エンジニアによる総括 ラスベガスで開催された CES 2024 は、TIER IV チームにとってエキサイティングな一週間でした。私たちは複数の製品とデモを展示し、新たなグローバルプロジェクトを紹介するとともに、業界全体の人々と議論を行いました。私は TIER IV の自律走行（AD）ソフトウェアエンジニアである安部雄です。この技術ブログでは、今年のカンシューマー・エレクトロニクス・ショーでの私の経験からいくつかのハイライトをご紹介したいと思います。 ラスベガス・コンベンションセンター西ホールの美しい朝 TIER IV ブースを散策する CES の 1 日目が始まった直後、すでに TIER IV の西ホールにあるブースは大きな注目を集めていました。昨年の 3 倍の広さがあり、合計 5 つのライブデモが展示されていました。全体的に、当社のブースは 3 つのセクションに分かれていました。一方には、ホワイトラベルレベル 4 自律走行ソリューション「fanfare」用のコンセプト・ロボバス車両と、Pilot.Auto や Web.Auto の製品を説明するディスプレイが設置されていました。反対側には Edge.Auto 製品のデモで埋め尽くされ、中央部分は快適なミーティングスペースおよび一般的な問い合わせカウンターとして機能していました。 ロボバスの両脇には、Pilot.Auto、Web.Auto、そして「fanfare」に関する情報を表示するスクリーンが配置されていました。 未来的な外観のロボバスは、ブースのこの側面で注目の的となり、当社のチームメンバーが来場者に対し、ホワイトラベル化された量産対応車両ソリューション「fanfare」や、Pilot.Auto および Web.Auto の製品ラインナップについて説明を行いました。 Pilot.Auto は、スケーラビリティを備え、マイクロ自律型であり、かつ完全にカスタマイズ可能なフルスタック AD ソフトウェアプラットフォームです。これはオープンソースの AD ソフトウェアスタックである「Autoware」に基づいており、TIER IV ではこのオープンソースプロジェクトの上に構築することで、顧客があらゆる種類の AD ソフトウェアソリューションを開発できるよう支援しています。Autoware には、ローカライゼーション、センシング、知覚、計画から車両制御に至るまで、すべての要素が含まれています。Pilot.Auto には、ハードウェア統合を容易にするためのソフトウェアツールやドライバも付属しており、実質的には商業運用に必要な性能と信頼性を提供するための、検証済みかつ妥当化された Autoware のバージョンです。異なるユースケース、要件、および運転設計領域（ODD: Operational Design Domains）に応じて、Pilot.Auto をカスタマイズし、各顧客のサービスに最適なソリューションとして提供することが可能です。 2023 年、TIER IV は日本政府より、Pilot.Auto ベースの AD システム「AI Pilot」に対してレベル 4 の認証を取得しました。フルスタック AD システムとして日本で初めてこの認証を獲得したことで、私たちは長年の経験と知識を活かし、国内のより複雑な ODD におけるレベル 4 自律走行のさらなる追求が可能となりました。 商用サービス向けの AD ソリューションを開発・運用する際、開発プロセスと車両ファームの運用における効率性と信頼性が重要な課題となります。これに対応するため、自律型ソリューションの開発と運用を合理化するためのツール群を束ねたクラウドネイティブな DevOps プラットフォーム「Web.Auto」を保有しています。 Web.Auto Evaluator ツールは、ソフトウェアおよび機械学習（ML）モデルのテスト駆動型開発を管理する CI/CD プラットフォームであり MLOps ツールチェーンです。開発者はシナリオを作成し、AD ソフトウェアの機能や特性を検証するためのシミュレーションベースのテストを実行できます。 車両の実運用においては、Fleet Management System（車両管理システム）を使用して、車両の状態をリアルタイムで監視し、ルートやスケジュールを確認するとともに、システム内の潜在的な警告を分析することができます。リモート監視により、オペレーターは車両運用の安全性を継続的に確認でき、緊急時には介入することも可能です。 AD ソリューションの継続的な改善には、信頼性が高くプライバシーを保護するデータ収集も重要です。これにより機械学習モデルの再トレーニングが可能となり、運用後のデータ分析を通じてソフトウェアのさらなる向上が図れます。 当社の各種製品およびソリューションの詳細については、「Unraveling TIER IV's autonomous driving solutions」が優れた出発点となります。 今年の CES で、TIER IV は AD システムの迅速な開発を目的としたリファレンスプラットフォーム「Edge.Auto」を発表しました。このプラットフォームには、センサーや ECU のハードウェアコンポーネントに加え、有用なソフトウェアツールやオープンソースのセンサードライバが含まれています。当社のブースでは、最新の製品とその革新的な機能を披露するデモを複数実施しました。 Edge.Auto のプロダクトデモは、ブースの残りの半分を埋め尽くし、TIER IV のメンバーがラインナップを紹介するために忙しく活動していました。 その一つでは、当社で開発した自動車用カメラの実演が行われ、C1、C2、そして新たに開発された C3 カメラのパフォーマンスが比較されました。解像度は 2.5MP から 8.3MP、ダイナミックレンジは 120dB を提供し、これらのカメラは高度な運転支援システム (ADAS) および自動運転 (AD) アプリケーション、さらに高性能な自動車グレードのカメラを必要とするその他のユースケースに適しています。これらカメラは GMSL2 インターフェースを採用しており、LED のフリッカー低減機能などの機能を備えています。 C2 カメラによる信号機認識 別のデモでは、ADI の GMSL2（Gigabit Multimedia Serial Link Generation 2）を活用し、最大 8 カメラからのストリームを 10Gbit イーサネットに変換するインターフェース変換モジュールが紹介されました。イーサネットは標準インターフェースとしてより多くの種類の計算ハードウェアで広く利用可能であるだけでなく、PTP を通じた LiDAR（ライダー）などの他のセンサーデバイスとの同期、シャッタタイミング制御、画像データの前処理/タイムスタンプ付与といった追加機能も実現可能であり、このモジュールは幅広い複雑な知覚タスクに適しています。 研究エンジニアの David Wong がデモを解説しました。 また、カメラと LiDAR をセンサー入力として使用し、2.5W の Hailo-8 アクセラレータボードを用いてセマンティックセグメンテーションのための推論を行う組み込み型エッジ AI アクセラレータのデモも実施されました。マルチモーダルなセマンティックセグメンテーションは、カメラ入力と LiDAR 入力を個別に処理した場合と、両者を融合させたデータに対してそれぞれ行われました。これにより、センサーの冗長性のレベルを示すことが可能となり、例えば何らかの障害物によってカメラまたは LiDAR の入力のいずれかが遮断された場合でも、歩行者のセマンティックセグメンテーションは継続して動作することが確認されました。CES 初日のブースでは追加データを収集し、日本に帰国したチームメンバーがそのデータを用いてモデルをさらに訓練することで、デモのパフォーマンス向上を図りました。 センタータワーでは、LiDAR とカメラのセンサー融合デモが行われ、そのライブ結果が大画面に表示されました。タワーの上部には、異なるベンダーから提供された C2 カメラと LiDAR のセットが 3 組設置されていました。このデモで使用されたすべてのセンサーは、当社のユニバーサルセンサードライバーおよび知覚システム（perception system）を採用しており、位置情報は C2 カメラを用いて空間的・時間的に較正されています。ここで主たる課題は、エッジ ECU を用いた歩行者の知覚と追跡でした。来場者がブース内を移動する様子を、各 LiDAR の視野（FoV）内を横切る際に認識され、追跡されている様子を確認することができました。 CES 2024 で TIER IV が発表したもう一つの大きな発表は、Co-MLOps（協働型機械学習運用）プロジェクトの開始です。このプロジェクトでは、世界中から収集したセンサーデータを共有し、パートナー企業に対して MLOps 機能や Edge AI の参照モデルを提供することで、自動運転における AI 開発のスケーラビリティを可能にします。 従来、各社は競合する AI モデルを生成するために必要な大規模なデータセットを取得するため、個別にデータを収集し、同様の技術の開発に取り組んでいました。機械学習の専門知識とデータはすべてブラックボックス化されており、市場は数社の大企業によって支配されていました。リソースが限られた業界の中小企業やスタートアップにとっては、このデータ収集およびモデル生成のプロセスにおいて大きな不利があり、長年にわたる技術開発のスケーラビリティに悪影響を及ぼしてきました。 この新しいイニシアチブである Co-MLOps プラットフォームは、さまざまな企業や研究機関が参加し、オープンな協働を通じてオープンイノベーションを促進するための基盤となることを目指しています。これは機械学習の専門知識とデータを共有できるグローバルプラットフォームであり、自動運転（AD）の知覚技術の進展を協調して調和させ、高める場です。 収集されたすべてのデータは、適切なプライバシーおよびセキュリティ保護措置の下で共有され、これらの大規模データセット上の MLOps 機能はメンバー間で共有されます。 プラットフォームのメンバーは、共有データセットへのアクセス権を持ち、低コストでベースライン AI モデルを作成することが可能になります。このプラットフォームの結果を出発点として活用すれば、その後のすべての作業をプライベート環境で行うことができ、各メンバーが独自性を発揮できるようになります。 Co-MLOps プラットフォームから得られた出力は、Open AD Kit（後ほど詳しく説明します）のようなソフトウェア定義車（SDV）プロジェクトに統合され、より高度な SDV ベースの自動運転ソリューションを実現することができます。 ソフトウェア定義車 (SDV) 今年、自動車業界全体ではソフトウェア定義車両（SDV）に大きな注目が集まりました。業界は、さまざまな車載アプリケーションや機能において、ハードウェアに依存しないソフトウェア中心のアプローチへと移行しています。TIER IV のブースで特に注目された要素の一つは、SOAFEE フレームワークの上に Autoware をアプリケーションとして活用することです。SOAFEE（Scalable Open Architecture for Embedded Edge special interest group：埋め込みエッジ向けスケーラブルオープンアーキテクチャ特別関心グループ）は、自動車およびコンピューティング分野の企業間による業界主導の協力で、ソフトウェア定義車両のためのオープンソースアーキテクチャを共同で構築することを目的としています。その目標は、「複数のハードウェア構成に対応するクラウドネイティブなアーキテクチャを用いた、車載向けの共有プラットフォームを創出すること」です。新しいソフトウェアアーキテクチャや手法の開発を促す業界協力を刺激することで、基盤となる車載ハードウェアおよびソフトウェアのための新たな業界標準が形成され、より高度な自動運転（AD）および SDV アプリケーションの再利用性と提供速度を最大化することが期待されます。ADAS（先進運転支援システム）、車載インフォテインメント、自動運転ソリューション、そして革新的な車載機能はすべて、差別化された価値を生み出すことができる競争力のある領域と見なされています。 Autoware Foundation は、SDV（ソフトウェア定義車両）開発のベストプラクティスを Autoware エコシステムに持ち込み、最適化されたハードウェアおよびソフトウェアソリューションを提供する「Autoware Open AD Kit」に取り組んでいます。自動車用ソフトウェアとアプリケーションはクラウドネイティブなアプローチで開発され、OTA（Over-The-Air：空中ダウンロード）アップデートを通じてフリート車両へ展開される前に、クラウド上でソフトウェアの開発、テスト、検証が可能になります。Arm Automotive Platform と緊密に連携することで、Autoware Open AD Kit はクラウド上の Arm プロセッサおよび車両上の Arm プロセッサで実行可能となり、展開時にクラウドから車両へのシームレスな移行を実現します。これにより、ハードウェアプラットフォームがまだ利用可能な段階に至る前にエコシステム内でソフトウェアの開発と検証を行うことが可能な「Shift-Left 開発手法」の力を解放することができます。 Open AD Kit のブループリント CES では、コンテナ化された Autoware コンポーネントと Open AD Kit プラットフォームを活用して、クラウドネイティブな方法で新しい AD（自動運転）機能をどのように展開するかを説明する Arm とのライブデモを行いました。ここでは、Autoware のプランナーコンポーネントにおいて挙動変更が必要となるシナリオを検討しました。元々、自車線にオブジェクトが検出された場合、自車両は完全停止していました。しかし、私たちはプランナーを変更し、自車線にオブジェクトが検出された場合に自車両が車線変更を行い、前方へ進行するよう設計したいと考えていました。 コードに適切な変更を加えた後、SDV の検証と展開サイクルを完了させるために 3 つのステップが必要です。まず、TIER IV の Web.Auto Evaluator ソリューションが提供するシミュレーターを通じてクラウド上で機能検証が行われます。望ましい機能が検証されると、検証済みのプランニングコンテナは仮想車両へと移行します。これは、車両のエッジハードウェアと ISA レベルで同等性を有するクラウドベースの SDV です。ここでさらに 1 ラウンドのシミュレーションを行った後

CES 2024：自動運転エンジニアからの総括

背景や根拠まで確認しますか？

調べる

選ぶ

サイト