従来の自動車を自動運転車に変えるということは、とてつもなく大変な試みです。NVIDIA では、自動運転の基本的な要素である、認識、自己位置推定、プランニング/制御用ソフトウェアを構築し、高性能なコンピューティング プラットフォームに適用することで、この問題に取り組んでいます。

NVIDIA の DRIVE AV ソフトウェアをテストし、検証するために、私たちは自社の DRIVE Constellation プラットフォームによるシミュレーション テストを行ったり、米国カリフォルニア州サンタクララにある本社周辺の公道や、世界各地のさまざまな場所でテスト車両を運用したりしています。

自動運転車両を安全に運用するための認定を受けたドライバーがテスト車両の運転席に乗車し、助手席に乗車したコパイロットがシステムを監視する中、高速道路のインターチェンジに対応したり、レーン変更などの動作をこなしたりしながら、さまざまなソフトウェア コンポーネントを現実世界でテストしています。

新しいAIを利用して世界を認識

NVIDIA が認識に関わる構成要素の中核としているのは、ディープ ニューラルネットワーク (DNN) です。このアルゴリズムは、人間の脳からヒントを得た数学モデルであり、経験から学習することができます。

私たちは、自社の DriveNet DNN を使って、障害物(たとえば、自動車か歩行者など) のデータの理解を可能にし、これらの障害物までの距離も計算しています。LaneNet はレーン情報の検出に使用され、複数のDNN の組み合わせによって走行可能な経路が認識されます。

NVIDIAのWaitNet、LightNet、SignNet は、交差点や信号、標識などによる待機条件を検出して分類します。ClearSightNet DNN もバックグラウンドで稼動し、カメラによる視界がクリアか、あるいは汚れなどで視界が遮られていたりしないかを評価します。

物体の追跡など特定の機能には、従来のコンピューター ビジョン技術も使用されています。DNN ベースと従来のコンピューター ビジョンの両方を同時に使いながら、複数のカメラで周囲を認識し、車両周辺の全方位をカバーします。

地図上の位置

自己位置特定は、いわばソフトウェアの大黒柱であり、自動運転車が道路上でどの場所にいるかを正確に把握します。高精細な地図情報、希望する走行経路の情報、リアルタイムの位置特定結果を取り込むことにより、自動運転車は対象となる経路に応じて、出発地から目的地までのレーン計画を作成できます。

立案されたレーン計画からは、経路のなかで、どのタイミングで自動運転車が同一レーンを走るのか、レーンを変更したり、分岐や合流に対処したりする必要があるかという情報が得られます。このようなレーン計画は、プランニング/制御用ソフトウェアに送信され実行されます。

位置情報によって、目的地への到着予測時間 (ETA) などの重要な情報の計算や、作成されたレーン計画に沿った車両位置のライブ追跡も実現します。

いよいよ実際の動作へ

プランニング/制御レイヤーは、認識と自己位置推定の両機能から提供された入力情報を利用し、自動運転車が自身を物理的に運転できるようにします。プランニング ソフトウェアは、認識の結果と自己位置推定の結果を用いて、自動車を巧みに操作するための物理的な軌道を決定します。

たとえば、上記のビデオでご紹介したように自律的にレーン変更を行うため、プランニング ソフトウェアはまず、目的の動作を確実に実行できるように、サラウンド カメラとレーダーの認識を使ってレーン変更の安全性チェックを行います。

次に、プランニングソフトウェアは、現在のレーンの中心から移動対象のレーンの中心へ移るために必要な、縦方向の速度プロファイルと横方向の進路を計算します。続いて制御ソフトウェアが加速/減速の指令と、左/右のハンドル操作の指令を発行し、レーン変更計画を実行します。

このようなコンポーネントを実行するエンジンは、高性能でエネルギー効率に優れた NVIDIA DRIVE AGX プラットフォームです。DRIVE AGXは、全方位の状況認識、自己位置推定、プランニング／制御ソフトウェアをリアルタイムで同時に実行します。

これらの要素を組み合わせることで、多様性と冗長性が生まれ、安全な自律走行が実現します。

NVIDIA が構築しているソフトウェア機能の詳細については、NVIDIA DRIVE ラボ シリーズの他の記事もご覧ください。