State of art of Autonomous Driving 

SAE (The Society of Automotive Engineershas) が世界標準 J3016 として6段階から構成される自動化のレベルを定義しました。前半の3段階では主に人間が運転を監視します。しかしながら、後半3段階では機械による監視が行われます(Fig. 1.1). 

Fig. 1. Stages in autonomous driving

(https://newatlas.com/sae-autonomous-levels-definition-self-driving/49947/)

人間による走行の監視

Level 0

自動化せず、全ての意思決定が人間によって下される。

Level 1

運転の補助機能のみを自動化する。ほとんどの意思決定が人間によって下される。

Level 2

発進停止、加速減速、ステアリング等の処理を自動化し、実質的に人間がハンドル、ペダルから手足を離した状態で走行が可能な状態。  しかしながら、人間による走行中の監視が「常に」要求され、非常事態等、必要に応じて機械からコントロールを引くつぐ必要がある。

機械による走行の監視

 

Level 3

人間のドライバーの搭乗が必要だが、特定条件下における「安全運転」が自動化された状態。特定条件下外の走行等、依然としてドライバーがコントロールを引き継ぐ必要があるが、要求される度合いがレベル2と異なる。常時の監視が必要とされない。

Level 4

レベル4では全旅程で全ての運転機能が安全に自動化された状態。しかしながら、「運転が想定された環境下」に限る。通常、車が走行しない場所等の運転は想定されていない。

Level 5

「完全な自動運転」を意味し、いかなる環境下でも人間と同等の運転が可能な状態。つまり、極限環境下、泥道、オフロード等も人間による監視を必要とせず走行が可能。未来的な「運転者不在の車」の実現には、このレベル5に到達する必要がある。

Aims of this study

現在、自動運転車の開発は非常に注目を浴びており、国内外問わず、様々な企業が開発に莫大な資金を投入しています。日本政府は2020年の東京オリンピックにて、自動運転車のデモンストレーションを行うことを発表しました。しかしながら、これらの実現には非常に高度かつ専門的な実験環境、莫大な費用が必要になります。

多くの自動車メーカーは機器を実際の車にインストールし実世界で機能をテストしています。対して私たちは、これらの実世界環境の仮想化に力を入れ、仮想環境下での私たちの入力をロボカーが学習するように設計しました。

Fig. 2. Our original idea to teach the robocar to drive by itself

私たちは自動運転システムの開発に様々な技術を利用しています。例えばファジー理論、ニューラルネットワーク、群知能などです。そして学習済みのモデルをロボカーに移植し、実際に研究室の床を走らせます。

Self-driving Modules

 Fig. 3. Self-driving Modules

Laboratory set-up

私たちはシミュレーション環境下で物体検知、レーンキーピング、信号検知、標識検知において96%の精度を達成しました。

第一段階にて、シミュレーション環境下で動作するモデルを構築し、​第二段階にてこれらのモデルをロボカーに移植、自動運転の動作精度を高め、最終的に広いスペースにてロボカーのサイズに合わせて縮尺された道路を物理的に構築し、動作を検証します。レーン、樹木、建物等は3Dプリンターにて作成、歩行者は小さなロボットで代用し、実世界環境を物理的に再現します。

Fig. 4. Driving circuit for self-driving cars in the laboratory

Copyright

 2018 Gonsalves LAB. All Rights Reserved.