信号、日没、交差点はGoogleのロボットカーにとって厳しい仕事だ

ホットチップス公道200万マイルを走行した後でも、Googleの自動運転車は信号や四つ角の交差点など日常生活のさまざまな面でまだ苦労している。

確かに、自動運転車の中核を成すハードウェアとソフトウェアは素晴らしいものです。しかし、アメリカの街中で実際に走らせるにはまだ不十分です。10年近くも話題になっているにもかかわらず、なぜいまだにロボットが街中を走っていないのか、そしてなぜ当分の間は走らないのか疑問に思うなら、証拠Aをご覧ください。

黄色の枠で囲まれているのは、道路脇の白い棒に赤いボールが乗っているところです。これは赤信号ではありません。実際、見上げれば信号は青です。しかし、ハンズフリーカーにとっては、これは停止信号とみなされ、ブレーキを踏まざるを得なくなる可能性があります。

証拠Bはバスに隠れた信号機ですが、光が乏しいため、停止を指示しているのか、それともそのまま進むように指示しているのかがはっきりしません。これもまた、高速自動運転モーターにとっては混乱を招きます。

最後に、証拠Cです。夕日の光が視界を完全に遮り、自動運転車が迷子になる可能性が出てきます。これは青信号でしょうか、赤信号でしょうか、それとも浮かんでいる球体でしょうか？自動操縦は赤信号を無視したのでしょうか？

こういった状況であなたならどうしますか？できれば、常識と周囲の手がかりを頼りに、進むべきか止まるべきかを判断できるでしょう。ここで重要なのは常識です。コンピューターに直感を教えるのは難しいのです。人工知能が大きく進歩したにもかかわらず、人間の本能は依然としてソフトウェアには理解できません。機械は人間の欠点を許容しているふりをしますが、実は不完全な世界において完璧さを求めており、予期せぬ事態が起こると苦労します。

上記の例は、インターネットの巨人であるGoogleの自動運転車の開発に携わるハードウェアエンジニア、ダニエル・ローゼンバンド氏によるものです。彼は火曜日にカリフォルニアで開催されたHot Chipsカンファレンスで講演し、同僚たちが直面する複雑な課題を強調しました。つまり、エンジニアたちが言うように、商業的に実現可能な自動運転車の開発は容易ではないということです。

「解決すべき非常に難しい問題がいくつか残っている。信号機の検知や信号の認識は難しい問題だ」と彼は語った。

グーグル社の担当者は、ほとんどの場合、画像処理コードはビデオフレーム内で明るい赤または緑の円を検索するだけで、カメラの前に緑または赤の信号があるかどうかを判断できると説明した。

しかし、この単純なアプローチがうまく機能せず、交通信号と誤認してしまう場合もある。例えば、右の写真の標識は、進行信号と間違えられる可能性がある。「車はもっともっと意識を高める必要がある」とローゼンバンド氏は述べた。

（Google がこの問題にどのように取り組んでいるかに興味のある方は、Google 社員の Nathaniel Fairfield 氏と Chris Urmson 氏が書いた、高度な信号機検出に関する論文をこちらでご覧ください。）

ローゼンバンド氏は、信号のない四つ角の交差点はロボットカーにとって悪夢になり得ると付け加えた。例えばサンフランシスコのカリフォルニア・パウエル交差点は、ケーブルカーの路線が2本通っているという利点もある。人間の運転手は、安全な進路を判断するためにアイコンタクトを頼りにしたり、あるいは自ら進んで先に進んだりする。しかし、自動運転車は、四つ角の交差点を安全に通過しようとして、行き詰まってしまう可能性がある。

「四つ角の交差点では、車がほぼ同時に到着することが多く、誰が先に出るかはコイン投げのようなものです。車に乗っている人が快適に過ごせるようにする必要があります。車が少し前に出て急ブレーキをかけるようなことは避けたいですし、他のドライバーにも配慮する必要があります」とローゼンバンド氏は説明した。

もう一つの課題は天候だ。Googleの本社があるカリフォルニア州マウンテンビューの気候は比較的穏やかで、気温は6℃から26℃と比較的安定している。一方、雲ひとつないアリゾナ州では気温が華氏100度（摂氏38度）を超えることも珍しくなく、自動運転車のルーフドームは灼熱の太陽の光に晒される。Googleが車両の試験走行を行っているネバダ州も、北西に少し行ったところでは天候が劣悪だ。

屋根のドームには、機械に必要なセンサーやその他の電子機器が搭載されており、エンジニアたちは砂漠の太陽に耐えられるよう、ハードウェアを保護し、冷却する方法を見つけなければなりませんでした。「かなり暑くなることがあります」とローゼンバンド氏は言います。

モデル行動

雪、大雨、運転の荒さ、複雑な交差点、変わった標識、流行に敏感なサイクリスト。これらすべてが、Googleのロボット運転手たちを一度は困惑させたことがある。訓練を受けていないものはほとんど何でも、彼らを困惑させるようだ。GoogleのAIシステムは優れた学習能力を持ち、一度タスクを完璧にこなせば、それをやり続ける。しかし、彼らが理解するまでには、膨大な量の情報を与え、何度も試行錯誤を繰り返す必要がある。

コンピューターに「工事中」の標識の見た目を教えれば、標識を見たら道路で穴を掘っている人のそばを通行するように指示できます。しかし、標識がなく、作業員が手で交通整理をしている場合はどうなるでしょうか？警官が車に手を振ってそのまま進むように指示したり、減速して停止するように指示したりした場合はどうなるでしょうか？そのようなシナリオを想定して、車を訓練する必要があります。

コンピューターが道路を横切って跳ねるボールを見たらどうなるでしょうか？子供が突然どこからともなく現れ、おもちゃを追いかけて対向車線に飛び出すことを予測できるでしょうか？ただし、それを教える必要があります。

優れた自動運転製品を開発するには、考えられるほぼあらゆるシナリオを想定し、それぞれにどう対処するかを熟知した、賢明で知識豊富なモデルを構築する必要があります。これには時間と労力がかかります。だからこそ、私たちはいまだに無人タクシーの実現を待ち望んでいるのです。

車は詳細な地図も使用しており、注意すべき標識や信号、車線、曲がり角、そして進むべきルートの正確な位置が示されています。これは一部GPSに依存していますが、信号が届かないと途切れることがあります。ローゼンバンド氏は、GPSの位置情報の不足や、高速道路で地図に載っていない予期せぬものが現れた場合にもシステムが対応できるよう、多くの作業が行われたと述べています。

Google 社員は、マシンを公道に出して学習させるだけでなく、シミュレーションや私有地で、難解でめったに発生しない問題をコードに解かせてソフトウェアに貴重な教訓を教えています。

「私たちはテストコースで作業し、通常とは異なるシナリオをシミュレートして、幅広いシナリオを体系的にカバーしています」とローゼンバンド氏は語った。

「しかし、タイヤを路面につけて運転する体験に代わるものはない。」

インフラの改造、つまりコンピューター対応の信号機を設置したり、道路下に無線誘導装置を埋め込んだり、自動運転車と人間が運転する車の塗装を別々にすることを義務付けたりといったことは、もはや不可能だ。そもそも選択肢にない。グーグルには、アメリカの老朽化した道路網を刷新するだけの力はない。車線区分線が摩耗しているだけでも、自動運転車の頭脳はヒューズを飛ばしてしまうほどだ。

今のところ、このウェブ巨人のディープラーニングシステムは、私たちが構築した不器用で乱雑な世界でなんとかやっていくしかない。

しかし、Googleが求めているものが一つあります。それは、車内の意思決定プロセスを加速させるチップです。大規模なAIモデルと膨大な量のリアルタイムデータ（ハードウェアはカメラ、電波レーダー、レーザー式ライダーからのライブフィードを大量に収集します）を処理する必要があるため、これら全てに対応するには、比較的小型で電力効率の高い専用チップが不可欠です。

現時点では、Googleが自動運転車に使用しているハードウェアは厳重に秘密にされている。ローゼンバンド氏は、それがカスタムメイドの電子機器なのか、既製の部品なのか、あるいはその両方の組み合わせなのかについては言及しなかった。おそらく、既製の部品とカスタムメイドのシリコンの組み合わせだろうと我々は考えている。

しかし、彼は自動運転車の頭脳に理想的なチップ設計を明らかにしました。彼自身の言葉を借りれば、それは刺激的な目標です。そのチップの設計図は以下のとおりです。

^{基本的に、100mm 2 の}ダイを搭載した14nmまたは16nmプロセッサで、その半分はSRAM、4分の1は演算ユニット、残りの4分の1は制御ロジックです。このコンポーネントは最終的に毎秒50兆回の16ビット浮動小数点演算を処理します。現在NVIDIAが製造している16nm FinFET Parkerシステムオンチップは、毎秒1.5兆回の演算を実行できます。ローゼンバンド氏は、16ビット浮動小数点演算は同社のAIシステムにとって「スイートスポット」であり、精度と速度のバランスが取れていると述べました。

以下は彼が Hot Chips の観客と共有した他の画像です。