自動運転の未来を守る、研究者が見つけた安全の鍵

Last Updated on 2024-06-22 07:36 by 門倉 朋宏

自動運転車両と飛行機が一般的になる中、研究者たちは事故を防ぐ鍵は「知らないことを知る」ことにあると示しています。サンフランシスコでは、2つのタクシー会社が2023年8月までに合計800万マイルの自動運転を記録しました。また、アメリカ合衆国では85万台以上の自動運転航空機（ドローン）が登録されていますが、これには軍所有のものは含まれていません。

しかし、安全性に関する懸念もあります。例えば、2022年5月に終了した10ヶ月間で、自動運転機能を使用する自動車による事故がほぼ400件報告され、その結果6人が死亡し、5人が重傷を負いました。

イリノイ大学アーバナ・シャンペーン校のコンピュータ科学者、サヤン・ミトラ氏とその同僚は、車の車線追跡機能や自動運転航空機の着陸システムの安全性を証明することに成功しました。彼らの戦略は現在、航空母艦へのドローンの着陸を助けるために使用されており、ボーイングは今年、実験用航空機でのテストを計画しています。

彼らの作業は、自動運転車両を制御するために使用される機械学習アルゴリズムの結果を保証することに関わっています。多くの自動運転車両には、知覚システムと制御システムの2つのコンポーネントがあります。知覚システムは、例えば、車が車線の中心からどれだけ離れているか、または飛行機がどの方向に向かっているか、地平線に対してどの角度であるかを伝えます。このシステムは、カメラやその他のセンサーからの生データをニューラルネットワークに基づく機械学習アルゴリズムに供給することで動作し、車両の外部環境を再現します。

これらの評価は、次に別のシステム、制御モジュールに送られ、何をするかを決定します。例えば、障害物が近づいている場合、ブレーキをかけるか、それを避けるためにハンドルを切るかを決定します。ミトラ氏のチームは、車両の知覚システムの信頼性を確保することによって安全保証を提供しました。彼らは、外部世界の完璧なレンダリングが利用可能である場合、安全を保証できると仮定しました。その後、知覚システムが車両の周囲の再現にどれだけの誤差を導入するかを決定しました。

この戦略の鍵は、関与する不確実性を定量化すること、つまり「既知の未知数」とミトラ氏が呼ぶ誤差帯を計算することです。この計算は、彼と彼のチームが知覚契約と呼ぶものから来ています。ソフトウェアエンジニアリングにおいて、契約は、コンピュータプログラムへの特定の入力に対して、出力が指定された範囲内に収まるというコミットメントです。この範囲を把握することは簡単ではありません。車のセンサーはどれだけ正確か？ドローンはどれだけの霧、雨、または太陽の眩しさを耐えることができるか？しかし、車両を特定の不確実性の範囲内に保つことができ、その範囲の決定が十分に正確であれば、ミトラ氏のチームはその安全性を保証できることを証明しました。

シエラネバダ航空宇宙会社は現在、航空母艦へのドローンの着陸中にこれらの安全保証をテストしています。この問題は、飛行に関わる追加の次元のため、車を運転することよりもいくつかの点で複雑です。ボーイングのAIチーフテクノロジスト、ドラゴス・マルジネアンツ氏は、「着陸には2つの主要なタスクがあります。飛行機を滑走路に合わせ、滑走路が障害物で塞がれていないことを確認することです。私たちの作業は、これら2つの機能の保証を得ることに関わっています」と述べています。

【ニュース解説】

自動運転車両と飛行機が現実のものとなりつつある今日、これらの技術の安全性を確保することは重要な課題です。サンフランシスコでの自動運転タクシーの実績や、アメリカでの自動運転航空機（ドローン）の登録数が増加している一方で、自動運転機能を使用する自動車による事故も報告されています。これらの事故は、自動運転技術の安全性に対する懸念を引き起こしています。

イリノイ大学アーバナ・シャンペーン校のサヤン・ミトラ氏とそのチームは、自動運転車両の安全性を保証する新しいアプローチを開発しました。彼らの方法は、自動運転車両が使用する機械学習アルゴリズムの結果を保証することに焦点を当てています。自動運転車両は、外部環境を認識する知覚システムと、その情報に基づいて行動を決定する制御システムの2つの主要なコンポーネントから構成されます。ミトラ氏のチームは、知覚システムの信頼性を確保することにより、車両の安全性を保証する方法を開発しました。

このアプローチの核心は、「既知の未知数」と呼ばれる不確実性を定量化することです。彼らは、知覚システムが外部環境をどの程度正確に再現できるか、その誤差の範囲を計算することにより、車両が特定の不確実性の範囲内に留まることを保証しました。この方法は、航空母艦へのドローンの着陸やボーイングの実験用航空機のテストなど、実際の応用にも使用されています。

この技術のポジティブな側面は、自動運転車両の安全性を数学的に保証できることにあります。これにより、自動運転技術の信頼性が向上し、広範囲にわたる実用化が可能になります。しかし、潜在的なリスクも存在します。機械学習アルゴリズムは複雑であり、その動作が完全には理解されていないため、予期せぬ誤動作が発生する可能性があります。また、この技術の規制に関しても、新たな課題が生じる可能性があります。自動運転車両の安全性を保証するための基準や規制が、この新しいアプローチに基づいて更新される必要があるかもしれません。

将来的には、この技術が自動運転車両の安全性を大幅に向上させることが期待されます。自動運転技術の普及により、交通事故の減少、交通の効率化、移動の自由度の向上など、社会に多大な利益をもたらす可能性があります。しかし、そのためには、技術的な課題の克服だけでなく、社会的な受容や法的な枠組みの整備も重要な要素となります。

from How to Guarantee the Safety of Autonomous Vehicles.