自動車技術者のためのAI入門
出典：日経Automotive
記事は執筆時の情報に基づいており、現在では異なる場合があります。
目次
-
深層強化学習で高度な判断、一般道で「レベル3」を実現
第11回：自動運転の判断を支える技術（後編）
一般道を対象にした「レベル3」以上の自動運転を実現するには、運転操作の「認知」、「判断」、「操作」のプロセスを高度化する必要がある。このうち本稿では、機械学習などのAI（人工知能）技術を活用して「判断」のプロセスを高度化するためのアプローチについて、デンソーが解説する。
-
周辺車両の“意図”を理解、高速道路の合流などを支援
第10回：自動運転の判断を支える技術（前編）
「レベル3」以上の自動運転を実現するには、人の運転と同じように、周辺車両の動きを瞬時に予測し、その予測に基づいて臨機応変に判断を下すシステムが必要になる。AI（人工知能）技術を用いたシステムの特徴や研究動向について、今回から2回にわたってデンソーが解説する。（編集部）
-
深層学習で感情の変化を分析、車内カメラと音声認識を連携
第9回：運転者の状態を読み取る
ディープラーニング（深層学習）技術によって運転者の表情や声色の変化を認知して休憩を提案するなどの安全運転支援システムの開発が進む。米アフェクティバと同ニュアンス・コミュニケーションズの技術を活用したシステムの特徴や、今後の展開などについて解説する。（編集部）
-
人型のAIアシスタント、乗員との自然な対話を実現
第8回：車内空間を快適にする
自動運転が進化すると、車内における時間の使い方が大きく変わる。車内でどう快適に過ごすか。その中核技術になると期待されるのが、AI（人工知能）を活用したインターフェースである。乗員とコミュニケーションする「AIアシスタント」について、ソフトウエア開発を手掛けるクーガーが解説する。（編集部）
-
GPUなしでも効率的に処理、多様なアーキテクチャーに最適化
第7回：深層学習による画像認識プラットフォーム
高度な自動運転を実現するには、ディープ・ニューラル・ネットワーク（DNN）技術を用いた画像認識の活用が重要になる。DNN技術を用いて高速推論を可能とするデバイスやエンジンは数多く存在する。その特徴や課題などについて、デンソーと協業するモルフォが解説する。
-
数十万枚の教師データで学習、単眼カメラでも高精度に認識
第6回：深層学習を用いた画像認識
高度な自動運転を実現するには、移動する対象物の認識精度を高める必要がある。カギを握るのが深層学習（ディープラーニング）の活用だ。同技術を用いた認識技術の特徴や、高度な自動運転の実用化に向けた課題などについて、ホンダと提携するセンスタイム（SenseTime）が解説する。
-
センサーで集めた情報などを基に教師データを効率的に作成
第5回：自動運転向けビッグデータ分析への活用
自動運転向けのAI開発では、各種センサーで入手した外界・車両情報などを学習用データとして使う。その際に学習用データを抽出したり、異なるデータ同士をひも付けたりする分析作業が必要になる。学習データの効率的な生成技術について、ビッグデータ分析を手掛けるALBERTが解説する。
-
運転の集中度を判断、高低2種類の解像度で高速処理
第4回：運転者の状態監視システムへの応用
クルマを操作中の運転者の状態を監視する技術への関心が高まっている。日本における交通事故の死傷者数は2015年に66万人を超えている。交通事故総合分析センターによると、「発見の遅れ」、「判断の誤り」など、事故直前の運転者の行動・状態が不適切であることが要因の75％を占めており、運転者の状態をセンシン…
-
運転者の視線の動きと連動、自然な発話の意図を理解
第3回：音声認識システムへの応用
カーナビゲーションの音声認識システムにAI（人工知能）を活用すると、運転者の自然な発話の意図を理解し、より使いやすいサービスを提供できるようになる。音声認識システム大手の米ニュアンス・コミュニケーションズが、同システムへのAI活用の最新動向などを解説する。（本誌）
