ＺＭＰとＺＭＰ関連銘柄を語るの掲示板
-
15891
>>15890
（続き）
2. 深層学習でアルゴリズムが大幅に進歩
アルヌーは、2010年にグーグルが自動運転車の開発を始めた時点では、ディープラーニング（深層学習）技術が今ほど進んでいなかったと話す。それから数年の間に同技術は進化し、マッピングや認知、シーン理解など、自動運転の重要分野でアルゴリズムが画期的に進展した。
ディープラーニングを利用して路上の画像を分析し、道の名前や番地、信号、標識などの情報を取り出すこともできる。こうしたデータを事前にコンピューター処理し、マップとして車に保存することで、貴重な車上処理能力を節約し、リアルタイムタスクに割ける。
ディープラーニングを通し、リアルタイムタスクも大きな進化を遂げている。例えば信号や他車、障害物、歩行者を特定するためのセンサーデータの解析だ。ディープラーニングにより、周囲の車や自転車、歩行者の取りそうな行動を予測し、それに合わせた走行を支援することもできる。
3. カギはグーグル他部署との連携
アルヌーは、ウェイモの進歩にはグーグルの「機械学習エコシステム全体」が非常に重要だと認めた。これには、AI研究部門の「グーグル・ブレイン」のほか、視覚、発話、自然言語処理、地図情報などの分野で行われる大規模なディープラーニング研究が含まれる。さらに、グーグルのエコシステムからは、機械学習のための特別なインフラやツールが提供される。
4. ウェイモ成功の秘密は試験プログラムにあり
アルヌーは、現実世界での走行とシミュレーション、体系的な試験の3本柱からなる試験プログラムが、同技術のイテレーション（反復）作業と製品化に重要な役割を果たしていると語った。ウェイモの車はこれまで、運転手なしで公道を約640万キロ走行している。これは米国人の年間平均運転距離の300倍で、地球の160周分に相当する。
現実世界の運転も非常に重要だが、それよりも重要なのはシミュレーション能力だとアルヌーは語る。ウェイモのシミュレーション試験能力は2017年の時点で、2万5000台の仮想自動車に実際の道路やその改変版を約40億キロ走行させられる規模だという。
3つ目の要素は体系化された試験プログラムだ。現実世界の運転で起き得るあらゆる場面に遭遇しようとする代わりに、ウェイモは約36万平方メートル規模の模擬都市を作り上げ、自動車の試験を重ねている。この結果はシミュレーションエンジンにかけられ、さらなる試験のため変形バージョンが作られる。
5. ウェイモの次の課題は大きく、困難
アルヌーは最後に、ウェイモを待ち受けるエンジニアリングの課題について言及し、次の大きなステップとして以下の2つを紹介した。
1つ目は、自動運転車の「運用設計領域（ODD）」を、サンフランシスコなどの密集した都心部や、豪雨・雪・霧などの天候にも拡大すること。
2つ目は、アルヌーが「意味論的理解」と呼ぶもので、例としてパリのエトワール凱旋門の環状交差点を挙げた。この交差点は12の道路が合流し、運転が難しいことで有名だ。こうした状況では、認知力や運転スキルだけでなく、現地のルールや期待される行動を深く理解し、他の運転手と常にジェスチャーなどのコミュニケーションや連携を取ることが必要になる。こうした深い推論は、微妙な判断が求められる数多くの事例に対処し、自動運転車の全体的な能力を改善する上で重要だ。
ウェイモが自動運転技術で既に大きな進歩を達成していることは間違いないが、アルノーは講義の締めくくりとして、自動運転の安全性を確保するために必要なインフラ設計やスケーリングの複雑性といった問題に焦点を当てた。
産業化プロセスの最後の90％のうち、ウェイモは現在どのあたりにいるのだろう？ アルヌーは明言しなかったものの、講義の最後では、複雑性の問題を示すため、交差点で止まったウェイモ車の周りを子どもたちがアーケードゲームの「フロッガー」のように跳びはねて道路を横断する動画を紹介した。彼はこの動画で、自動運転技術は「待つ価値がある」ものだと示したかったのだろう。
編集＝遠藤宗生 -
15949
>>15890
⬆9割完成、残り9割･･･。
NEWS
2018.03.21 WED 09:00
【Uberの自律走行車が起こした死亡事故は、拙速な商用化に“ブレーキ”をかける】
Uberの自律走行車に歩行者がはねられ、死亡する事故が発生した。まだ未成熟である自動運転技術による重大な事故によって、今後の商用化に向けた公道試験に厳格な規制が適用される可能性が高い。自律走行車の業界と規制当局に求められる、「次の一手」とは。
https://wired.jp/2018/03/21/uber-self-driving-car-crash/
WIRED(US)
道路を横断しようとした女性がUberの自律走行車両にはねられ、死亡する事故が発生した。アリゾナ州テンピでの出来事で、3月18日の夜10時ころだった。自動運転の実験車両が歩行者との死亡事故を起こしたのは、初めてのことだ。
（中略）
UberやWaymo（ウェイモ）のように自律走行車を開発する企業は、公道実験の舞台としてアリゾナ州を好む。晴天が多く気候が安定していることに加え、試験走行を巡る規制がほとんど存在しないからだ。特別な許可はいらず、通常の車両登録だけで公道に出ることができる。企業は何をしているのかについて、当局と情報共有する必要もない。
（中略）
今回の事故は、技術開発とは別の重大な問いも提起した。モルモットになることに同意していない人が行き来する公道で無人車両のテストを行うには、どの程度の安全性が確保されているべきなのか、という問題だ。自動運転のおかげで避けることができるようになる事故を、予見する方法など存在しない。ロボットの代わりに人間が運転していたら、携帯電話の使用や飲酒運転、著しい疲労などさまざまな要因で事故が引き起こされていただろうと判断することなど不可能なのだ。
この点に関しては、人間は偉大な記録を保持しているわけではない。昨年の交通事故による死者は全米で4万人近くに上り、うち約6,000人は歩行者だった。1日当たり16人以上の歩行者が、人間のドライヴァーによって殺されていることになる。
ただ、人間の走行距離ベースの死亡事故率は1億マイル当たり1.16人だ。これに対し、自動運転車は全メーカーの実験プロジェクトを合わせても総走行距離は1億マイルには達していないのに、すでに1人を死亡させてしまった。
（以下略）
i_m*****
＞残りの10％を完了するにはその10倍の労力がかかる。^^;
2018/03/19 11:00
【グーグル自動運転車は「9割完成、残り9割」？】
https://forbesjapan.com/articles/detail/20208/1/1/1
プログラミング界では「90対90の法則」が知られている。コーディングでは、推定開発時間の90％が最初の90％の作業にかかり、残りの10％にはさらに90％かかるという皮肉交じりの表現で、技術プロジェクトには常に予想を超える時間がかかることを示している。
グーグルと同じく米アルファベット傘下の自動運転車開発企業ウェイモでエンジニアリング部ディレクターを務めるサーシャ・アルヌーは先日、マサチューセッツ工科大学（MIT）でゲスト講師として講義を行った際、この法則の変形バージョンを使って同社の自動運転車開発プログラムの現状を説明。同技術開発の最初の90％には10％の時間しかかからなかったが、残りの10％を完了するにはその10倍の労力がかかっている、と語った。
アルヌーの講義は、今までのプロジェクトの複雑性を細部まで鮮やかに描き出し、同社が、そしてそのパイオニア的取り組みに追い付こうとする人々が今後直面する課題についての見識を提供するものだった。彼の講義から学べることは次の5つだ。
1. 産業化には10倍の労力がかかる
研究室でうまく動作する試作車を、道路で使用しても安全な産業用の製品にするには、膨大な時間がかかる、とアルヌーは強調した。「10倍の技術力と、10倍のチーム規模が必要となり、より多くのエンジニアや研究者が協働するための効果的な方法を見つける必要もある。10倍のセンサー能力が必要で、試験方法を含むシステムの全体的な質も10倍に改善しなければならない」（続く）