japan

東芝トップページ > 企業情報 > 研究開発・技術 > 研究開発センター > 研究開発ライブラリ > 世界最高精度で自動車やドローンなどの動きを予測するAIを開発 −自車両と周辺車両の動きを従来より約40%高精度に推定し、一般道での安全な自動運転の実現に貢献−

知能化システム

世界最高精度で自動車やドローンなどの動きを予測するAIを開発
−自車両と周辺車両の動きを従来より約40%高精度に推定し、一般道での安全な自動運転の実現に貢献−

2020年06月03日
株式会社東芝

当社は、自動車やドローンなどの安全性向上や自動走行・自律移動の実現に向けて、車載カメラと、動きを検知する慣性センサ(加速度センサ、角速度センサ)を用いて、自車両の動きを高精度に推定する「自車両の動き推定AI」と、様々な交通シーンで周辺車両の将来の動きを予測する「他車両の動き予測AI」を開発しました。これら2つのAIは、公開データを用いた実験で、推定結果と実距離の差の絶対値の平均である推定誤差をそれぞれ従来技術と比較して40%削減し、両AI技術において世界最高精度を達成しました(注1)
当社は本技術の詳細を、オンライン開催されるInternational Conference on Robotics and Automation (ICRA)にて、6月1日(UTC)に発表しました。

近年、交通事故の防止や運転負荷の軽減を目的として、先進運転支援システム(ADAS)が搭載された自動車の販売台数が伸びるとともに、社会の自動運転に対する関心が日々高まっています。ADASや自動運転システムを搭載した世界の自動車の販売台数は2018年には2千万台ですが、2030年には8千万台を超えるという予測もあります(注2)
自動車の安全走行には、自車両の動きの正確な推定と、他車両の将来の動きを正確に予測する技術が不可欠です。現在ADASにおいてはLiDAR(注3)やGPS等のセンサを用いた技術が開発されていますが、高価であったり、周辺の建物等によっては衛星からの電波が届かず計測ができないといった課題があります。また、将来の動きを高精度に予測するためには、周辺道路の車線数や曲率などの道路形状に合わせてそれぞれ予測AIモデルを用意する必要があり、様々な交通シーンや車両の動きが想定される一般道への対応が難しいのが現状です。

そこで当社は、安価に手に入り電波等の環境に依存しない車載カメラと慣性センサを用いた自車両の動きを推定するAIと、道路形状毎の予測AIモデルを作ることなく他車両の将来の動きを高精度に予測する2つのAIを開発しました。

「自車両の動き推定AI」は、車載カメラ画像から周囲環境の3次元空間地図の生成と車両位置の推定を同時に行う技術(Simultaneous Localization and Mapping : SLAM)をベースに、加速度センサや角速度センサといった慣性センサ(Inertial Measurement Unit : IMU)を用いることで様々な風景に対応できます。しかし、高速道路で車両の速度が一定でセンサの値に変化がないと言った場合等、センサのノイズのほうが有効な信号より大きくなってしまい、推定精度に悪影響を及ぼす問題がありました(注4)
今回、車両の動きに応じて画像(カメラ)、加速度センサ、角速度センサごとのデータの有用性を各時刻で判定し、変化がある有効なセンサだけを適宜組み合わせて車両の動きを推定する手法を開発しました。本AIは、自動車のように加減速が比較的少ない動き方から、ドローンのような加減速の大きい動き方まで対応することができます。公開されているデータセットを用いて検証したところ、カメラと慣性センサから得られるデータをもとに推定する従来手法に比べて誤差を40%低減し、カメラのみを用いた場合との比較では誤差を82%低減して、真値の軌跡とほぼ一致する結果を確認しました。

図1:車載公開データセット(注1)での運動軌跡の比較

「他車両の動き予測AI」は様々な道路形状において有効です。道路形状などを一般化した幾何学的な特徴をディープラーニングで学習することで、実際の道路の形状に依存しないAIが実現でき、様々な交通シーンが想定される一般道等においても膨大な数の予測AIモデルの作成が不要となります。車線ごとの動きの予測と、将来走行する可能性の高い車線を予測のする2段階構成となっており、多様な道路形状に対応して高精度な予測を実現します。公開されているデータセットを用いた実験では、他車両の将来位置予測(4秒先の位置の予測)において、従来手法と比較して誤差を40%以上削減し、世界最高精度(注6)を達成しました。

図2:他車両の将来位置予測結果(4秒先の位置を予測)

当社は今後、今回開発した技術を公道など実際の環境で評価を行い、2023年度の実用化を目指してまいります。

(注1)「動き推定AI」は公開データセット(KITTI、EuRoC)を用い、ループ閉合を用いない単眼カメラと慣性センサを用いた手法との比較において、当社調べ(2019/9論文投稿当時)。「動き予測AI」は公開データセット(Argoverse)を用いた比較において、当社調べ。(2019/9論文投稿時)

(注2)矢野経済研究所: ADAS/自動運転システムの世界市場規模予測
https://www.yano.co.jp/press-release/show/press_id/2134

(注3)Light Detection and Rangingの略。高解像な3次元情報を取得可能なレーザー光を用いた距離センサ。

(注4)例として、ほぼ一定速度で走行している(加速度が小さい)場合には、加速度センサの情報は手がかりとして有用ではない上に、観測値に含まれる誤差の影響によって推定精度が低下する。

(注5)KITTI: http://www.cvlibs.net/datasets/kitti/

(注6)公開データセット(Argoverse)を用いた比較において。当社調べ。(2019/9論文投稿時)


  • 「研究開発センター」のトップへ
  • このページのトップへ