自動運転車が自らの位置を特定するのにディープラーニングが有効!【AI論文】

自動運転車が実現した暁には、運転作業の面倒から解放されるために、自動車を利用する心理的障壁が下がるだろう。すると車道には、いまより同時に走る自動車の数が増える可能性もある。
さて、各自動車の位置が定められていないと事故が起こる危険はあるが、実は自動運転車の位置測定に必要な技術は、衛星システムでは不十分であるという。

そこで韓国ソウルにある漢陽大学校のJewon Eomら研究者は、ディープラーニングを用いて車両同士がお互いの位置を認知して自らの位置を調整していくシステムを開発することを試みたようだ。

その研究のポイントはまとめるとこうだった。

✔️グローバルナビゲーション衛星システム(GNSS)は、自動運転での正確な測位には不十分であるため、他の測位技術が検討されている。

✔️研究者らはディープニューラルネットワーク(DNN)を使用して複雑な非線形最適化を解決する車両ネットワークシステムを開発した。

✔️その結果パフォーマンスの低下を最小限に抑えながら協調ローカリゼーションがより簡単かつ高速になった。

では、詳細を見てみよう。

ローカリゼーション=位置調整

研究者らは、車両ネットワークでの高精度のローカリゼーションおよびリアルタイム操作のための、深層学習ベースの協調ローカリゼーション手法を開発した。 協調ローカリゼーションでは、ペアワイズ距離と車両間の角度のノイズの多い観測により、非線形最適化の問題が発生する。

協調ローカリゼーション用の車両ネットワーク。 車両2は、接続された車両からの距離と角度の測定値を観察する。

ディープラーニングの使用

各車両でこのような非線形最適化タスクを処理するために、ディープニューラルネットワーク(DNN)技術を使用した。計算負荷の節約とともに、非線形最適化の面倒なソリューションを置き換えることが目的であった。

ディープニューラルネットワーク(DNN)を使用した協調型および分散型のローカライズアルゴリズムスキーム。

シミュレーションの結果は、提案された手法が、既存の協調的なローカリゼーション手法と比較して、ローカリゼーションの精度と計算の複雑さにおいてある程度の性能向上を達成することを示している。

エポックに関するトレーニング済みDNNのロケーションエラー表現。
提案されたDNN手法のローカライズ精度。
DNNを使用した協調ローカリゼーションスキームのローカライズ精度。

あるメジャータイトルのコンピュータ・ゲームでは仲間のキャラクター同士がお互いの動きに合わせて動作を変えるAIが搭載されており、大きな反響を呼んでいる。まもなく液晶の中だけではなく、自動車のように大きな物が現実で自律的に動く時代がくる。

参照論文

J. Eom, H. Kim, S. H. Lee and S. Kim, “DNN-Assisted Cooperative Localization in Vehicular Networks”. Energies, 12(14), 2758 (2019).

DOI: 10.3390/en12142758

PAGE TOP