ADAS：認識技術の主な傾向

2019年9月に投稿されまし







た。GMの生産ラインをロールオフしたCruiseのテストカーには、センサー（赤でマーク）が装備されています。



自動車業界は、夜、霧、雨、雪、氷など、あらゆる条件で機能する信頼性の高い認識技術を依然として求めています。



先週ここでAutoSens2019から得たポイントは、技術革新に不足がないということでした。技術開発者、Tier-1、OEMは、夜間、霧、雨、雪、氷上、油がこぼれた道路など、あらゆる道路状況で機能する「信頼性の高い」認識技術を作成するという目標を引き続き追求しています。等



自動車業界には、すべての問題を一度に解決できる特効薬がまだないという事実にもかかわらず、多くの企業が新製品の認識技術と概念を発表しました。



ブリュッセルで開催された今年のAutoSensショーでは、自動運転車ではなく、ドライバーアシスタンスシステム（ADAS）に重点が置かれました。



エンジニアリングコミュニティは一定のコンセンサスに達しています。多くの人が、今日可能なことと、人間の運転手を必要としない人工知能を備えた商用の自律型車両の見通しとの間には大きなギャップがあることを認識しています。



明確にするために、無人車両が不可能であると誰も言っていません。ただし、VSILabsの創設者兼ディレクターであるPhilMagneyは、次のように考えています。「レベル4の自律型車両は、非常に限られた運用設計（ODD）領域で機能します。これらの機械の設計は、包括的かつ詳細な安全要件に基づいて開発されます。「



マグニーは、「制限区域」とは、道路と車線の選択、稼働時間、気象条件、時刻、出口と停止地点などの制限を意味することを明確にしました。さらに。



コーネル大学のAIを専門とするコンピューターサイエンスの教授であるバートセルマンは、AI駆動の車が「常識」（運転プロセスを認識し、状況を理解すること）で推論できるかどうか尋ねられました。セルマンは会議の終わりに、「少なくとも10年以内に、そしておそらく20〜30年以内にこれに到達するだろう」と答えた。



一方、ADASシステムと高度に自動化された車両の開発者は、車両用のビジョンシステムの開発を競っています。



Edge CaseResearchのCTOでCarnegieMellonUniversityの教授であるFungKupopmanは、高度に自動化された車両の基本は、車両の周囲のさまざまな物体の位置を特定できる「センシング」システムであると考えています。彼は、無人車両の弱点は、予測できないことにあることを明らかにしました-コンテキストを理解し、これまたはそのキャプチャされたオブジェクトがどこに移動するかを予測することはできません。

スマートシステムの推進

会議で浮上した新しいトレンドは、多くのインテリジェントシステムの出現でした。多くのメーカーは、AIシステムをセンサーの組み合わせ（RGBカメラ+ NIR、RGB + SWIR、RGB +リダー、RGB +レーダー）に組み込むことで製品に追加しています。



ただし、業界の目標を達成することについて、業界のプレーヤーの間でコンセンサスはありません。成功への道はセンサーの組み合わせによるものだと考える人もいれば、中央プロセッサーでセンサーデータを処理することに傾倒している人もいます（Waymoなど）。



AutoSensには、Euro NCAPを満たすために開発する必要のある多くの新しい監視システムもあります。これは、ドライバー監視システムの一連の要件と2020年の主要な安全基準です。特に、ドライバーだけでなく、乗客や車内のその他の物体も監視するシステムについて話します。



例として、AmbarellaのRGB-IRビデオ処理チップとEyerisシーン認識ソフトウェアを搭載したOnSemiconductorの新しいRGB-IRセンサーがあります。

NIRとSWIR

暗闇（車内と車外の両方）で見る必要があることは、IRの必要性を示しています。



On SemiconductorのRGB-IRイメージセンサーは近赤外線（NIR）放射で動作しますが、ショーに参加したTrieyeは、SWIR（短波赤外線）カメラの導入によりさらに進んでいます。 ）。







SWIRカメラの利点の中には、あらゆる天候/光条件でオブジェクトを表示できることがあります。さらに重要なことに、SWIRは、各材料の化学的および物理的特性に基づいて固有のスペクトル応答を検出することにより、道路の危険（氷など）を事前に特定できます。



ただし、SWIRカメラの使用は、このテクノロジーで使用されるインジウムガリウムヒ素（InGaAs）のコストが非常に高いため、軍事、科学、および航空宇宙のアプリケーションに限定されています。Trieyeは、CMOSテクノロジーを使用してSWIRカメラを作成する方法を見つけたと主張しています。「私たちは飛躍的な進歩を遂げました。半導体と同様に、私たちは初期の頃からSWIRカメラの大量生産にCMOSを使用してきました」とTrieyeのCEO兼共同創設者であるAviBakalは述べています。Bakalは、8,000ドルのガリウム砒素センサーとは異なり、Trieyeカメラは「数十ドルで」提供されると述べています。

ラベル付けされたデータの欠如

AIの最大の課題の1つは、サンプルをトレーニングするためのデータが不足していることです。より正確には、「ラベル付けされたトレーニングデータ」とマグニー氏は語った。 「モデルは、データとその収集方法によってのみ優れています。もちろん、トレーニングデータにはメタデータをタグ付けする必要があり、タグ付けプロセスには非常に長い時間がかかります。」



AutoSensでは、生成的敵対神経ネットワーク（GAN）について活発な議論が行われました。マグニー氏によると、GANでは、2つのニューラルネットワークが競合して新しいデータを作成します。入力としてトレーニングサンプルを受け取ったこのようなモデルは、新しいデータを生成するようにトレーニングされます。その統計指標は元のデータと一致します。



たとえば、Drive.aiは、ディープラーニングを使用してデータマークアップの自動化を改善し、面倒なマークアッププロセスを高速化します。



AutoSensでの講演で、Koopmanはデータに正確に注釈を付ける問題にも触れました。大企業だけがそれを正しくする余裕があるので、彼はデータの多くがタグ付けされていないままであると疑っています。



確かに、ショーのAIスタートアップは、サードパーティからのデータに対する有料の注釈が彼らに大きな打撃を与えることを認めました。



この問題を解決する1つの方法はGANです。 Edge Case Researchは、データにタグを付けることなく安全な認識ソフトウェアの開発を加速する別の方法を提供します。同社は最近、知覚システムとリスク分析のストレステストのためのツールであるホログラムを発表しました。 Koopmanによると、ペタバイトのデータをマークする代わりに、2回実行するだけです。ホログラムはデータセットの疑わしい部分に関する情報を提供し、最善の方法を教えてくれます。トレーニングセットを拡張するか、モデルを再トレーニングします。



また、会議で議論されたのは、タグ付きデータセットの問題です。自動車のOEMが、トレーニングとデータ操作に使用されるカメラとセンサーを交換した場合はどうなるでしょうか。



Algoluxのマーケティングおよび戦略的パートナーシップ担当副社長のDavidTokichは、ADE Timesに対し、ADASと無人車両に取り組んでいるエンジニアは、1）さまざまな条件での認識システムの信頼性と2）正確でスケーラブルなソリューションの開発について懸念していると語った。コンピュータビジョンタスク



ADASと無人車両で使用されるカメラシステムは、互いに大幅に異なる可能性があります。それらはすべて、レンズ（レンズが異なれば視角も異なります）、センサー、信号処理技術に応じてパラメーターが異なります。ハイテク企業は、カメラシステムの1つを選択し、大きなデータセットを収集してタグを付け、特定のシステムで使用できるようにモデルをトレーニングします。



しかし、OEMが使用されたカメラを特定のデータセットに置き換えるとどうなりますか？特定のカメラに合わせて調整された機械学習モデルは、新しい生データのセットを処理する必要があるため、この変更は知覚の精度に影響を与える可能性があります。



これには、OEMが新しいデータセットでモデルを何度もトレーニングする必要がありますか？







Tesla、Waymo、GM / Cruiseは、自動運転車両にさまざまなカメラを使用しています。



VSI LabsのMagnyは、画像センサーの交換の可能性について尋ねられたとき、「仕様が同じでない限り、これが機能するとは思わない」と述べました。彼はまた次のように付け加えました。「VSIでは、FLIR熱画像カメラで動作するようにニューラルネットワークをトレーニングしました。トレーニングセット内の画像の特性は、ニューラルネットワークがトレーニングされたカメラの特性と一致しました。その後、センサーを交換しましたが、技術仕様は変わりませんでした。」



ただし、Algoluxは、以前に作成されたデータセットを変換するための新しいテクノロジーが「数日以内に」利用可能になるはずだと主張しています。Tokićによると、Atlas Camera Optimization Suiteは、「ベースラインデータ」（カメラとセンサーの特性）を取得し、それを認識レイヤーに適用することで、この問題を解決します。「私たちの課題は、カメラの選択を民主化することです」とトキッチ氏は述べています。

AIハードウェア

過去数年間で、多くのスタートアップがAIのプロセッサーの分野で生まれました。これにより勢いが増し、ハードウェア市場の復活を発表する人もいました。 AI用のチップを開発している多くの新興企業は、自律型車両とADASの市場をターゲット市場として挙げています。



特にCevaは、AutoSens会議で、AIおよび「InviteAPI」の新しいコアを発表しました。これは、インテリジェントシステムのアクセラレータ市場を対象とした製品です。



不思議なことに、新世代の多機能車は、NvidiaとIntel / Mobileyeのチップ、およびTeslaが内部使用のために開発した完全な自動パイロットチップを除いて、最新のAIチップをまだ実装していません。



一方、On Semiconductorは、AutoSens会議で、そのチーム（およびEyerisチーム）がチップ上のAmbarellaシステムをAIプロセッサとして使用して、車両のさまざまなメトリックを監視することを発表しました。



EyerisのCEOであるModarAlawiは、次のように述べています。「10個のニューラルネットワークを処理し、5ワット未満を消費し、内部に配置された最大6台のカメラを使用して毎秒30フレームでビデオをキャプチャできる単一のAIチップは見つかりませんでした。車 "。



Allawiは、AmbarellaがAIチップの有名なメーカーではないことを認めました（彼らはビデオ圧縮とコンピュータービジョン用のチップを作ることでよく知られています）。ただし、AmbarellaのCV2AQシステムはすべての要件を満たし、他のすべてのアクセラレータを上回っています。



Allawiは、2020年1月にラスベガスで開催されるConsumer Electronics Showのために、自社のAIソフトウェアが他の3つのハードウェアプラットフォームに移植されることを望んでいます。







セミでは、AmbarellaとEyerisが、3台のRGB-IRカメラを使用した新しいキャブ内監視システムのデモを行っています。



同時に、On Semiは、運転手と乗客の監視システムには「直射日光から暗闇まで、さまざまな照明条件下で画像をキャプチャする機能」が必要であることを強調しました。同社は、優れた近赤外応答時間のおかげで、「CMOSイメージセンサーのRGB-IRテクノロジーは、3.0μmで3露光HDRとバックライト（BSI）を使用してフルHD1080p画像出力を提供する」と主張しています。RGBおよびIR照明に敏感なセンサーは、昼光のカラー画像とNIRの照明を使用したモノクロIR画像をキャプチャできます。

ドライバー監視システムを超えて

Allawiは、Eyeris AIソフトウェアが包括的な身体と顔の分析、乗客の活動の監視、および物体の検出を実行できることを誇りに思っています。ドライバーを観察することに加えて、「私たちは座席の表面やステアリングホイールを含む車内のすべてを監視しています」と彼は付け加え、スタートアップはもはや「ビデオストリームで車を探す」だけではないことを強調しました。



しかし、SeeingMachinesのヨーロッパのカスタマーソリューションのディレクターであるLaurentEmmerichは、そこで止まらないように懇願しました。 「ドライバーを観察し、多くのオブジェクトを追跡することを超えて、自然な進化です」と彼は言いました。 「私たちも拡大を目指しています。」



新興企業と比較した場合、Seeing Machinesの利点は、「過去20年間に得られたコンピュータービジョンとAIの経験における確固たる基盤」にあります。同社のドライバー監視システムは、現在「6つの自動車メーカーで使用されており、9つに分類されています。



.programs "さらに、Seeing Machinesは、ドライバーを監視するための独自のチップも開発したと述べました-。Fovioは、チップが将来の自動車監視システムにも機能するかどうかを尋ねました。Emmerichは、チップが構成可能なハードウェアプラットフォームで使用されると説明しました。 ..。

予約

異なるセンサーを組み合わせて車に取り付けることは、知覚を改善するだけでなく、安全のために切望されている冗長性を追加するためにも必要です。







AutoSensに搭載されているアウトサイトボックス。



Whitingsの元CEOであるCedricHutchingsによって共同設立されたスタートアップであるOutsightは、AutoSensで新しい高度に統合されたマルチセンサーシステムを展示しています。彼は、Outsightセンサーユニットは、「道路上の雪、氷、油など、環境のコンテキストを理解した上で、オブジェクトの意味のある認識と位置特定を提供する」ように設計されていると説明しました。彼はまた、「アクティブなハイパースペクトルセンシングを使用して、道路上の材料を分類することもできます」と付け加えました。



アウトサイトボックスで誰のセンサーが使用されているかを尋ねられたとき、彼はコメントを控えました。 「仕様とアプリケーションに取り組んでいるため、現時点では主要なパートナーを発表していません。」



EE Timesは、OutsightがTrieyeSWIRカメラを使用することをTrieyeと話しました。 Outsightは、2020年第1四半期にテスト用にリリースされる予定のセンサーブロックを宣伝しています。 Outsight Boxは、セキュリティと「真の冗長性」のために「他のセンサーとは無関係の」データを提供する補完的な自律システムとなることを目的としています、とハッチングスは説明しました。



Outsight Boxは機械学習技術を使用していないため、その作業の結果は予測可能であり、システム自体を「認定」することができます。



Aeyeは、UAVおよびADAS市場向けに、高解像度カメラと組み合わせたソリッドステートMEMSリダーであるiDARも開発しました。 2つのセンサーと組み込みAIを組み合わせることで、リアルタイムシステムは「多くのエッジの問題を解決できます」とAEyeの製品管理担当副社長であるAravindRatnamは述べています。



iDARシステムは、2Dカメラの「ピクセル」（RGB）と3Dのリダーデータ「ボクセル」（XYZ）を組み合わせて、新しいタイプのデータをリアルタイムで生成するように設計されています。同社は、この新しいデータタイプはより高い精度と範囲を提供する必要があり、データ自体は無人車両で使用されるルーティングシステムにとってより理解しやすいはずであると説明しました。







AEyeAE110の製品機能と業界のベンチマークおよび機能。



Ratnamはプレゼンテーションの中で、AEyeはさまざまなアプリケーションを検討していると述べました。 「300のシナリオを検討し、それに適合する56を選び、20に絞り込みました」。この場合、カメラ、リダー、および人工知能の融合が理にかなっています。



ラトナムは、どこからともなく小さな子供が車の真正面で通りにボールを打ち込んでいるシーンを示しました。リダーカメラシステムははるかに高速に動作し、車両の応答時間を短縮します。 Ratnamは、「当社のiDARプラットフォームは、非常に高速なコンピューティングを提供できます」とコメントしています。



センサーを組み合わせる利点について尋ねられたとき、あるWaymoエンジニアは、会議でEE Timesに、それが大きな違いを生むかどうか確信が持てないと語った。彼は尋ねました。「違いはマイクロ秒になりますか？よく分かりません"。



AEyeは、iDARがもたらすメリットに自信を持っています。 AEyeのRatnamは、HellaおよびLGとの緊密な協力関係に言及し、次のように強調しました。「iDARのコストを削減することができました。現在、ADAS価格で3Dリダーを提供しています。」



今後3〜6か月で、AEyeは、RGB、lidar、およびAIアルゴリズムを組み合わせた自動車グレードのシステムの作業を終了します。 Ratnamは、ソリューションのコストが1,000ドル未満になると主張しています。







自動車産業向けのリダーシステムの販売（出典：IHS Markit）



IHSMarkitの自動車用半導体およびセンサーのシニアアナリストであるDexinChenは、会議の出席者に、リダーベンダーは「市場に先んじており、期待が大きすぎる」と語った。彼は、将来的には、リダーの物理的特性（それらの利点）が市場に影響を与える可能性があるが、それらの商品化がすべてを決定すると述べた。市場は「標準化、提携とパートナーシップ、サプライチェーン管理とAIパートナーシップ」を切実に必要としています。



チャンネルを購読する：

@ TeslaHackers-ロシアのTeslaハッカーのコミュニティ、Tesla

@AutomotiveRuのレンタルとドリフトトレーニング-自動車業界のニュース、ハードウェア、運転心理学

---

さらに役立つ記事を読む：

• 自動車、航空宇宙、ロボティクス、エンジニアリングの無料オンラインコース（50歳以上）
• [] (, , )
• DEF CON 2018-2019
• [] Motornet —
• 16 , 8
• open source
• McKinsey: automotive
• …