自律走行車の未来：技術、課題、イノベーション

多数のプレーヤーが参入し、自律走行は思ったより近い

前回のブログでは、自律走行車の主要プレーヤーと技術の急速な進化について語りました。投稿からわずか数日後、ある著名な自動運転タクシーアプリで大きな波乱が起きるとは、当時は知る由もありませんでした。2016年12月14日、カリフォルニア州サンフランシスコでUberの自動運転タクシーサービスがローンチされて間もなく、自律走行車両が赤信号を無視する動画が浮上しました。Uberは「当時は人間が運転しており、乗客はいなかった」と主張しましたが、影響は即座に現れました。ローンチからわずか1週間後、カリフォルニア州が車両登録を取り消したため、Uberは自動運転車を公道から撤退させました。

素晴らしいアイデアから「すべての人のための自動運転車」への道のりには、迂回路があることは明らかです。しかし、たまの挫折があっても、自律走行車の背後にある技術は前進し続けており、ポイントAからポイントBへ私たちを運ぶマシンを根本から見直すよう迫っています。

自律走行車の現在地と行き先

今日私たちが日常運転している車の自動化と、そう遠くない未来の自律走行車の自動化の基本的な違いは、主に「運転者の関与度」にあります。今日販売されている多くの新型車には、自動ブレーキやアダプティブクルーズコントロールなど、運転の特定側面を自動で処理するさまざまな制御機能がすでに搭載されています——これらは自動化レベル1と見なされます。

現在市販されている自律走行車は自動化レベル2程度です。前回の自律走行車ブログで触れたテスラの準自律運転支援（「オートパイロット」）機能が好例です。テスト中のプロトタイプの多くはレベル3（特定状況下では運転者が注意を払う必要がない）またはレベル4（悪天候や予期せぬ路面状況以外では運転者の関与不要）にあります。しかし、研究が示す通り、テキストをチェックしたり居眠りしたりしている人間の「運転者」が、差し迫った緊急事態において十分に速く注意と集中を取り戻し、制御を回復して効果的な行動をとることは不可能です。したがって、多くのメーカーはレベル3と4は機能しないと結論付けています。フェイルセーフであるはずの人間が、自分や他者への危険を回避するほど迅速に反応できないからです。

自動化の究極形はレベル5——運転者がまったく不要な状態です。これは完全なライドシェアリングの未来像に必要な技術です。誰も車を所有せず、車を呼べば迎えに来る——そんなシナリオです。Googleとメルセデスの自律走行車コンセプトはレベル5で、目的地の指定以外、人間の入力を一切必要としません。

自動化を支える技術

自動車メーカーやその他のプレーヤーは詳細を明かしたがらないものの、自律走行車の設計に不可欠ないくつかの基本技術コンポーネントは知られています。例えば、自動運転車が道路を安全かつ確実にナビゲートするために必要な視覚入力を収集するために、複数種類のセンサーが使用されます。カメラは、人間が運転時に得る基本的な視覚情報を提供する比較的安価なセンサーで、複数のカメラを用いて奥行き情報を取得します。レーダーはすでにレベル1の車両制御に使用されていますが、欠点は近距離でのみ有効なことです。

LIDAR（光検出と測距）は、移動しながら車両の周囲をマッピングする車載レーザーシステムです。Googleのテスト車両の屋根に搭載されている大きな回転ユニットとして知られているかもしれません。回転を必要としないソリッドステートLIDARも、現在開発中の一部自律走行車で採用されています。LIDARは高精度な3Dマッピングを生成しますが、欠点もあります。非常に高価であることに加え、雨や雪で信号が反射するため、天候の影響を受けます。

今日の高度にコンピュータ化された車では、センサー情報の多くがCANバス（Controller Area Network）を通じて転送されます。これは、ホストコンピュータなしでマイクロコントローラとデバイスが相互通信できるプロトコルです。しかし、真に自律的な車には、より堅牢なデータ接続性、およびすべての視覚入力とその他の収集データを取り込み、整理、解釈し、実行可能な運転操作に変換するためのコンピューティングパワーとソフトウェアが必要です——これらすべてをリアルタイムで。これには以下が必要です：

* 大量の（まさに「巨大な」）処理能力
* 異なるセンサーからのデータを統合（「センサーフュージョン」）し、単一センサーだけでは判断できないことを計算すること

そのため、新しいデータに触れるとコンピュータが「自ら学習する」能力を与える機械学習——一種の人工知能（AI）——が、自律走行設計において不可欠かつ急速に発展している側面となっています。さらに一歩進んだディープラーニングと呼ばれる機械学習は、人間が新しい知識を獲得するプロセスを模倣しようとします。予測分析を自動化することで、ディープラーニングは車が走るたびに賢くなり、他のドライバーや他の車から学習することさえ可能にします。

当然、安全のためには自律走行車は最初から非常に賢くなければなりません！ しかし、車両がセンサー入力を解釈してハードコーディングされた一連の運転判断から選択する設計であれ、センサーやその他の情報源からの入力をエンドツーエンドで直接運転出力にマッピングする設計であれ、機械学習は図面上にも路上にもあるすべての車の一部となっていることは間違いありません。

運転以外へのインパクト

コンピュータ技術があるところには情報セキュリティが重要な懸念事項となり、自律走行車も例外ではありません。実は、自動運転車におけるハッキングの影響は甚大です。数トンの車両が高速で走行中に、第三者に乗っ取られ遠隔操作される事態など、誰も望みません。

2015年、クライスラーは100万台以上をリコールしました。2人のセキュリティ研究者（悪意あるハッカーではありません）が、Jeepをワイヤレスでハッキングし、ダッシュボード機能、ステアリング、トランスミッション、ブレーキを制御できるソフトウェア脆弱性を発見したためです。クライスラーは車両所有者にUSBドライブ型のソフトウェアアップデートを提供し、車両のセルラー網接続を経由したハッキングを検知・遮断するネットワークレベルの対策を講じました。続く2016年には、セキュリティラボがテスラModel Sのハッキングを実証し、車両のCANバスと悪意あるWi-Fiホットスポットを介して、駐車中と走行中の両方でリモートアクセスと制御に成功しました。数日以内にテスラはオーバーザエア（OTA）ソフトウェアアップデートを展開し、潜在的なセキュリティ問題に対処しました。

これらの事例は、自動車メーカーとそのパートナーに、セキュリティ強化が不可欠であり、より強固なセーフガードが継続的に導入されることを示しました。しかし、すべての自律走行車が走行のためにコンピュータとネットワーク接続を必要とする以上、誰かが走行中の自動運転車をハッキングするのは時間の問題かもしれません。

関連して、プライバシーも車とドライバーにとってますます困難な領域となっています。今日、逃亡中の犯人は車のGPSを切って地図を広げれば済みます。しかし、自律走行車の固有機能にはGPSのほぼ常時使用が不可欠であり、その車両はほぼ常時追跡されることになります。また、カメラは重要なセンサー機能を果たし機械学習の入力にもなりますが、同時に監視ツールでもあります。したがって、自動運転車（とそのカメラセンサーシステム）が完全に普及すれば、あらゆる道路空間がほぼ常時撮影・精査される可能性があります。

より人間的な観点では、信頼性の高い完全自律走行車の登場は製造業等で雇用を創出する一方で、あるレベルでは雇用喪失も意味します。モビリティ・オン・デマンドとライドシェアリングアプリはタクシーやバスの運転手を不要にします。農場での自動運転車は必要な人間労働者をますます減らします。トラック運転手はリグのメンテナンスには必要ですが、運転しなくてよくなるため、自動配備されるトラック艦隊を維持するために必要なドライバーは減ります。2016年末には、オンラインテイクアウト企業がロンドンでロボットによる食品配達を開始しました。荷物取り扱い係からピザ配達のアルバイトまで、これらの労働者は最終的に、自動運転車でなければ、関連技術である配達ボットによって置き換えられる可能性があります。

なぜメタルカッティング社がこの話をするのか？

メタルカッティング社は、自動車メーカーとその技術パートナーを含む幅広い業界向けに、特殊製品および精密小型金属部品のカスタム金属切削サービスを提供しています——タイトな公差、特定の表面仕上げ、高度にカスタマイズされた端部形状、テーパー、径が要求される用途向けに、切断、加工、仕上げ、その他の技術を提供しています。

メタルカッティング社が貴社の自動車部品やその他の用途にとって最適なパートナーかどうかを検討されたい場合は、無料ガイド「新規契約パートナー選定の7つの秘訣：精密金属加工アウトソーシングの技術ガイド」をダウンロードしてください。