雪のシミュレーション：自律走行車向けレーダー・LiDARテストの高度化

自動運転車には、車線検出器、標識検出器、自由空間検出器など多数のセンサーが搭載されています。先進運転支援システム（ADAS）コンポーネントは、公道走行前に多様な条件下で評価される必要があります。

シミュレーションによる安全なテスト

テストドライブの安全な方法の一つは、世界をシミュレーションで再現することです。カリフォルニア州サンノゼのシミュレーションソフトウェアプロバイダーRightHookのCEO、ウォーレン・アーナー氏は「デスクからテストドライブに出かけられます」と語ります。

「メタバースでは誰も死にません、少なくともまだ」とアーナー氏は、Tech Briefs主催のプレゼンテーション「ADASセンサーテストとシミュレーションの最新拡張機能」で聴衆に語りました。「現実世界では見つけるのが不可能と思われるエッジケースを、非常に容易に探求できます。」

RightHookのような企業は、よく理解された物理現象に基づき、スキャニング・マッピング企業が作成する現実世界のデジタルレプリカの助けを借りて仮想環境を構築しています。

悪天候シミュレーションの課題

しかし、一部の自然現象の再現は困難です。例えば荒天での走行の場合はどうでしょう？

ライブプレゼンテーション中、聴衆からアーナー氏へ以下の質問がありました：

「車両シミュレーションソフトウェアにおいて、雨や雪嵐がLiDARセンサーに与える影響をどう補正していますか？」

ウォーレン・アーナー氏：雨や雪などの降水は、LiDARセンサーの性能を確実に低下させます。ビーム発散と短パルス持続時間のため、特に影響を受けやすいです。雪検出ノイズはセンサー近傍に集中し、大きなクラスターとして現れます。

雪クラスターノイズは誤検出を引き起こすだけでなく、重要な障害物を隠蔽し、極めてクリティカルな偽陰性状況を招きます。これが顕著になるのは、概ね1時間あたり3/4インチ（約19mm）の積雪率に達したときです。

そのレート未満であればノイズは存在しますが、クリティカルな偽陰性領域には至りません。まず第一に、これは経験的データを用い始める領域の一つです。

個々の光子粒子シミュレーションも可能ですが、膨大な計算量となり、30秒のシミュレーションに数時間を要する可能性があります。そこで、センサーモデルの「上に」経験的データモデルを適用します。我々が収集したデータ、または学術・政府の研究パートナーが収集したデータを、元のデータの「上に」ノイズモデルとして重ね合わせます。例えば降雪率やその気象状況のいくつかの特性を指定すると、それらを元データの上にノイズモデルとして適用します。

なお、昨日Cruiseが安全オペレーターなしで初の自律タクシー走行を実現（外部リンク）。サンフランシスコで運行しており、そこでは雪は降らず、雨天時も運行しません。我々は顧客やパートナーと協力し、より良いソリューションの構築を継続中。現時点では、まだ誰もそこまで到達していないため、重点的に解決すべき問題ではありません。

NASAジェイムズ・ウェッブ望遠鏡、EHTと連携し銀河中心超大質量ブラックホール撮像へ米陸軍ERDC：軍事・民生プロジェクトへの先駆的エンジニアリングソリューション

センサー