年内に投入されるクルーズの自律走行EVの勝算
クルーズは自律走行EVの開発のため、シミュレーションにより開発を拡張し、機械学習アクセラレーション用チップの自社開発を進めている。米中の競合企業が着々と実装を続ける中、クルーズも年内投入の準備を整えている。
要点
クルーズは自律走行EVの開発のため、シミュレーションにより開発を拡張し、機械学習アクセラレーション用チップの自社開発を進めている。米中の競合企業が着々と実装を続ける中、クルーズも年内投入の準備を整えている。
11月、クルーズの上級職のエンジニアは、エンジニアの採用のための技術説明会を行った。その中で、クルーズはシミュレーションを利用して、安全性を証明するだけでなく、新しい都市で何百万マイルものテストを行うことなく、開発のスケールアップを図っていることを説明した。
クルーズは参入する都市の高精度3次元地図データ（HDマップ）を作成する必要があるものの、車線変更や道路閉鎖など、必然的に起こる環境の変化を追跡するために、その都度、HDマップを作り直す必要はない。なぜなら、クルーズが新しい都市に行くときは「WorldGen」と呼ばれる技術を採用するからだ。この技術は、都市全体を正確かつ大規模に生成することができ、「その独特なレイアウトから細部に至るまで」、エンジニアが新しい運用設計領域をテストすることができると、クルーズのシミュレーション技術戦略リーダーであるシド・ガンジーは述べた。
説明について詳述したTech Chrunchの記事によると、クルーズは、最適な世界を構築するために、24種類の異なる時間帯の照明や天候などを考慮し、さらにサンフランシスコのさまざまな街灯の光を体系的に測定しているという。
また、ガンジーは「Road to Sim」の技術を紹介した。これは、道路上で自律走行車が収集した現実の出来事を、編集可能なシミュレーションシナリオに変換するもの。これにより、すでに見たことのあるシナリオと比較してテストすることで、自律走行車のモデルをより多面的に学習させることができる。
「Road to Simは、知覚から得られた情報と、何百万マイルもの実走行から得られたヒューリスティックな情報を組み合わせ、道路データから完全なシミュレーション環境を再現する。シミュレーションができたら、実際にイベントの順列を作り、車両や歩行者のタイプなどの属性を変更することができる。これは、AVの開発を加速させるテストスイートを構築するための、非常に簡単で非常に強力な方法だ」。
クルーズが実際の道路状況で収集できなかった特定のシナリオについては、Morpheusがあります。モーフィアスは、地図上の特定の場所に基づいてシミュレーションを生成できるシステムです。機械学習を利用して、必要なだけパラメータを自動入力し、何千もの興味深い稀なシナリオを生成して、それに対して自律走行車をテストする。
事故やトラブルのような滅多に起こらないイベントを適切にテストするためには、何千キロもの距離を走らなければならず、拡張性に欠ける。そこでクルーズのチームは、大規模なパラメータ空間をスケーラブルに探索してテストシナリオを生成する技術を開発したとガンジーは説明したという。
テストシナリオには、他の道路利用者がAVにどのように反応するかのシミュレーションも含まれる。クルーズのシステムは、ノンプレイヤーキャラクター（NPC）AIと呼ばれ、通常はビデオゲームの用語だが、この文脈では、複雑なマルチエージェントの行動を表すシーン内のすべての車や歩行者を指す。
「Morpheus、Road to Sim、NPC AIの3つの機能が連携することで、稀にしか起こらない困難な事象に対して、より強固なテストを行うことができるようになった。これにより、現在はもちろん、将来的に同様の問題が発生した際にも、稀な問題を解決できるという確信を得ることができた」とガンジーは語った。
ガンジーは、合成データを生成することで、クルーズAVが特定のユースケースに照準を合わせるのに役立ちます。特に、緊急車両の識別と相互作用については、ADASシステム「オートパイロット」が緊急車両との衝突を繰り返していることで連邦政府の監視下に置かれているテスラを揶揄したものと思われる。
ガンジーは「緊急車両は他の車両に比べて珍しいものだが、非常に高い精度で検出する必要があるため、当社のデータ生成パイプラインを使用して、救急車、消防車、パトカーのシミュレーション画像を数百万枚作成している」と語ったという。「我々の経験では、対象となる合成データは、道路データを収集するよりも約180倍速く、数百万ドルも安くなる。また、合成データと実データを適切に組み合わせることで、データセット内の関連データを1桁以上増やすことができる」
このようなアプローチは珍しくなく、Waymoは自動運転車が収集したセンサーデータを利用してシミュレーション用のカメラ画像を生成するためにAIを活用している。チーフサイエンティストのDragomir Anguelovを含む同社の研究者が共著した2020年の論文では、テクスチャマップされた表面要素を使用してシーンやカメラの視点の位置や向きを再構築する技術「SurfelGAN」について説明している。
吉田拓史
各社ではもともとはゲーム開発のために使われていたUnreal Engineを利用したシミュレーションによるロボットの学習の高速化も行われている。AirSimはUnreal Engine 4のプラグインであるため、ユーザーは独自の風景や車両を構築することができる。これらの合成的に生成された画像は、実世界のデータだけで可能なものよりも、何桁も多くの知覚データや制御データを生成することができるとされている。
吉田拓史
自社開発の2つのカスタムシリコンチップ
10月に開催されたGMの投資家説明会で、クルーズのCEOであるダン・アマンは自律走行EV「Origin」の計算能力に多額の投資を行い、今後4世代にわたってコストを90％削減し、収益性の高いスケールアップを実現する計画を説明した。その際、アマンは、コスト削減のためにカスタムシリコンを自社で製造するというクルーズの意図に言及した。
11月の説明会では、Originプログラムのチーフエンジニアであるラジャット・バスがこれを詳細に説明した。「当社の第4世代コンピュートプラットフォームは、社内で開発したカスタムシリコンをベースにしている。これは我々の用途に合わせて作られたものだ。フォーカスを可能にし、処理能力を向上させると同時に、ピースコストと消費電力を大幅に削減する。コンピュートは安全性の観点からも重要なシステムであり、冗長性が組み込まれている。それに加えて、毎秒10ギガビットのデータを処理する自律走行車システムでは、かなりの電力を消費することになる。当社のチップを使うことで、複雑な機械学習パイプラインをより集中的に実行することができ、結果的にパフォーマンスを損なうことなくエネルギー効率を高めることができる」
クルーズのAIチームは2つのチップを開発した。センサー処理チップは、カメラ、レーダー、音響など、さまざまなセンサーのエッジ処理を行う。2番目のチップは、ニューラルネットワーク専用のプロセッサとして設計されており、AIチームが開発した大規模なマルチタスクモデルのような機械学習（ML）アプリケーションをサポートし、加速する。バスによると、機械学習アクセラレータ（MLA）チップは、あるクラスのニューラルネットやMLアプリケーションを正確に解決するのにちょうど良いサイズであり、それ以上のものではない。
「これにより、パフォーマンスは極めて高いレベルに保たれ、我々にとって付加価値のないことをするためにエネルギーを浪費しないようにしている。複数の外部ホストとペアリングすることも、スタンドアロンで動作させることも可能だ。最大25Gまでのシングルイーサネットネットワークをサポートし、総帯域幅は400Gに達する。今回量産を開始するMLAチップは、ほんの始まりに過ぎない。時間をかけて、消費電力を抑えながら、さらに高機能化を進めていく」
クルーズが今回のイベントで明らかにしたのは、スケールアップを成功させるために必要な自律走行技術だけでなく「エコシステム全体」を考えているということだ。エコシステムとは、未知のシナリオに遭遇したときに車両の判断を検証するリモートアシスタンスオペレーター、カスタマーサービス、人々が実際に乗ってみたいと思う車、カスタマーサポートや事故対応などを効率的かつ簡単に処理できるアプリなどを含むようだ。
クルーズのプロダクト担当副社長であるオリバー・キャメロンは、イベントで次のように語っている。「研究開発から愛される製品へと真に隔たりを越えるためには、人工知能やロボット技術だけでは不十分だ。安全な自動運転車だけでは不十分であり、長い道のりの最初の一歩に過ぎない。これらの機能をどのように実装すべきかは、特に安全性の問題に頭を悩ませている企業にとっては自明のことではない」
