高度運転支援システム（ADAS）のセキュリティ確保：次世代に向けた安全戦略

高度運転支援システム（ADAS）は、周囲の監視、警告発信、ブレーキ操作、ステアリング支援により車両の安全性を高めます。センサーおよびLiDAR技術のブレークスルーと進化する規制要件により、今後10年間でこれらのシステムが急速に拡大する見込みです。

National Instrumentsの自動車マーケティング責任者Jeff Phillipsによると、欧州連合は2020年に、すべての新車に自動緊急ブレーキ（AEB）と前方衝突警告（FCW）システムの搭載を義務付けました。

ADASはまだ初期段階にありますが、その安全機能は自動車メーカーにとって重要な差別化要因となりつつあり、特に完全自動運転車に向けた開発が進む中でその重要性は増しています。

OEMとテクノロジー企業は、このほぼ規制のない領域で市場シェアを獲得し、最も安全な車を提供するために競争しています。世界中で年間約130万人が交通事故で死亡し、英国では5年ぶりの高水準となる1,792人の死者が出ている現状では、ADAS技術の保護がこれまで以上に喫緊の課題となっています。

悪夢のシナリオ

テストエンジニアは、進化する規制、新たなセンサー技術、不透明になり得るAI駆動アーキテクチャという困難な状況に直面しています。リスクは高く、準自動運転車に関する注目度の高いインシデントが発生するたびに世間の注目が集まり、記録されている自動運転車の事故は限定的ながらも消費者の信頼を損なっています。

テストエンジニアは、規制および法的基準を満たしつつ、世間の期待にも応えるためにどれだけの検証が必要かを判断しなければなりません。AIシステムに関する明確なガイドラインがないため、従来のテストアプローチでは不十分です。

2018年のRAND Corporationの研究によると、自動運転車が人間のドライバーと同等、またはそれ以上の性能を統計的に実証するには、数千万マイルのテスト走行が必要です。現実的な時間枠でこの量を達成するには、革新的なテスト戦略と大規模なシミュレーション環境が不可欠です。

機械学習の物語

完全自動運転は、現実世界のシナリオが事実上無限であるため、機械学習モデルに大きく依存しています。エンジニアは大量の人間運転データを収集し、ラベル付けして、ニューラルネットワークを訓練し、人間の意思決定を再現させます。

設計チームは基盤アルゴリズムを開発できますが、結果として得られるモデルはブラックボックスとして機能し、検証を複雑にします。内部ロジックへの洞察がないため従来のユニットテストが適用できず、テストエンジニアは幅広いエッジケースをカバーする包括的なシナリオライブラリを構築する必要があります。

新たなロードマップ

センサーポートフォリオは急速に進化し、コスト削減と新たなアーキテクチャ選択をもたらしています。メーカーは、集中型オンボード処理と分散型エッジ処理のどちらを採用するか、またLiDAR、レーダー、追加カメラアレイなど将来のセンサー追加にどう対応するかを決定する必要があります。

クラウドコンピューティングと5G接続はさらなる複雑さを加え、リアルタイムデータ交換とリモート診断を可能にする一方で、レイテンシと帯域幅の考慮事項も生じさせます。

変化に対応した構築

自動運転機能がプロトタイプから製品へ移行するにつれ、規制当局は消費者保護のために進化しなければなりません。機能安全のためのISO 26262やEURO NCAP衝突試験プロトコルなどの標準がすでに業界を形成しており、ドイツが最近発表した自動運転車の倫理的フレームワークは意思決定ルールの先例を設定しています。

正式な標準が成熟しても、企業は独自のテストレイヤーを導入して差別化を図るでしょう。オープンで適応可能なテストインフラは、エンジニアに新しい規制要件と社内安全目標を取り入れる俊敏性を与えます。

本ブログの著者はJeff Phillips、National Instruments自動車マーケティング責任者