センサーフューションが自律システムの信頼性、セキュリティ、効率を高める仕組み

センサーフューションは、IoTの拡大と自律走行車両および高度運転支援システム（ADAS）の普及に伴い、現代技術の基盤となっています。概念自体は1960年代にさかのぼりますが、現在の業界では、どのセンサーストリームを組み合わせ、いかに実用的なインテリジェンスを抽出するかについて新たな知見が得られています。適切な組み合わせは、特定のアプリケーションとコスト、リスク、メリットのバランスによって決まります。

必要なセンサーフュージョンの程度はアプリケーションとコスト/リスクメリットによって決まる（画像：SAR Insight and Consulting）

個人や国家支援組織が自律システムへの脅威を増大させる時代において、センサーフュージョンはこれまで以上に重要です。政治的議論はしばしば5Gの情報セキュリティリスクに焦点を当てますが、自律システム運用者を妨害または脅迫するマルウェアが具体的な危険をもたらします。システムアーキテクトはこれらの脅威を認識し、自動車や航空の巨人が直面してきた高コストの失敗を回避しなければなりません。例えば、1970年代のフォード・ピントのリコールは安全対策不足の人的コストを浮き彫りにし、ボイン737 MAXでの重要なセンサーフュージョン冗長性の有料オプション化という決定は、サプライチェーン全体に波及し続けています。

安全性以外にも、人間活動の監視や産業オートメーションの推進など、高度なセンサーフュージョンの経済的および健康上のメリットはすでに明らかです。

耐障害性とレジリエンス

すべてのセンサーと予測モデルには固有の誤差があります。同一変数の複数の測定値を集約することで、システムは信頼性とレジリエンスを獲得し、壊滅的な障害を軽減できます。冗長性はコストと複雑さを伴いますが、フォードとボインの事例が示すように、近視眼的な近道は破滅的な結果を招きます。

攻撃耐性

マルウェア攻撃者は常にセンサーベースシステムを混乱させる方法を模索しています。堅牢なデータ融合戦略、安全なプロトコル、AI駆動の異常検知を組み合わせることで、運用をこうした侵入から守れます。典型的な攻撃ベクトルには以下が含まれます：

• LiDARとカメラへの信号スプーフィング
• ABS磁気センサーや破壊された交通標識への信号キャンセルと干渉
• 埋め込まれたマルウェアがセンサー経由で機密情報を収集するサイドチャネル漏洩

人間活動のマルチセンサーフュージョン

ウェアラブルセンサーと環境センサーを組み合わせて人間の行動を解釈することは、人口高齢化が進む中で、優れた健康成果とコスト削減をもたらします。ユースケースは高齢者ケア、転倒検知、セキュリティ監視、アスリートモニタリング、救助隊員の状態把握、障害者向けナビゲーション支援など多岐にわたります。

ネットワークにおけるデータ融合

従来、融合と分析はセントラルサーバーやクラウドで行われてきました。センサーの小型化とコスト低減により、エッジレベルでのAIと機械学習が可能になりました。将来のハイブリッドアーキテクチャでは、データ融合を3階層にわたって展開します：

• スマートデバイスまたはゲートウェイでの低レベル融合（複数入力の集約）
• ハブゲートウェイとエッジコンピュートノードでのミドルレベル融合（より広範なデバイスセットでの深層分析）
• データセンターまたはクラウドでのハイレベル融合（最も広いシステム視点）

運用コストの削減

センサーフューションは、UAV、ロボティクスなどの自律デバイスの到達範囲と有用性を拡大し、運用費を削減します。メリットには、検査ドローンの自動衝突回避、ほぼ自律的な輸送における遠隔運転介入、リモート運用シナリオでの人件費削減などが含まれます。

トレンド

センサー、プロセッサー、接続性の小型化とコスト削減が、産業およびIoTエコシステムにおけるコンシューマー化によって推進され続けています。CES 2020では、自動車とインテリジェント輸送システムに恩恵をもたらすより小型のLiDARミラーなど、MEMSセンサーのブレイクスルーが紹介されました。

カルマンフィルターはセンサーフュージョンの標準アルゴリズムであり、連続的な測定と予測でシステム状態をモデル化します。ますます複雑化するシステムでは、アーキテクトは機械学習とニューラルネットワークも採用し、高度な信号注入攻撃に対抗しています。

センサーフュージョンを熟考して統合することで、設計者とアーキテクトはシステムの完全性、信頼性、堅牢性を強化し、人々、財産、経済的利益を故障と悪意ある活動の両方から守ることができます。

>> この記事は姉妹サイトEE Times Europeで最初に公開されました。