日本初の自律走行型タクシーサービスを開始
Tier IVがHexagonのAutonomouStuff チームとどのように協力し、自律走行タクシーを導入するために必要な技術を組み合わせたかをご覧ください。
分
会社名：
Tier IV
社名：Tier IV(ティアフォー)。日本に拠点を置く技術系スタートアップで、自律走行用オープンソースソフトウェア Autoware のリードデベロッパーです。
課題：日本初の自律走行タクシーサービスを開始するために、適切な自律走行技術スタックを選択し、導入すること
ソリューション：AutonomouStuff と協力し、ドライブバイワイヤ(DBW)システムを車両に搭載
結果：2020年冬に公開自動運転の実証実験に成功
東京の混雑した通りでロボタクシーを走らせるために複数の企業が手を挙げました。その代表格が、プロジェクトの発案・管理者であるTier IV、タクシーのナビゲーションと操縦を指示するドライブ‐バイ‐ワイヤシステムを設計・設置したHexagon、そしてセンサーデータをタクシーコマンドに変換するためのソフトウェアスタックを多数保有するAutoware Foundationです。
風が吹きすさぶ秋が凍てつく冬に移行する頃、東京、新宿区の交通量の多い街角に、好奇心旺盛な人々が集まってきました。豊富な機能を装備した小型のブラックカラーのタクシーには、微笑する2人の乗客がバックシートに座っていました。携帯電話やタブレットを持ち上げて撮影した人々は、ハンドルの後ろに誰もいないのを見て、指をさし、驚きの声を上げていました。そして、タクシーは、豪華ホテルの駐車場から混雑した通りに転がり出て、渋滞の中をスムーズに走り出しました。
自律走行車は、世界で最も混雑した大都市の一つで、目を見張るようなデビューを果たしました。2020年後半に成功したロボタクシーのテストは、自動運転車の安全性、快適性、定時性を試験するために行われました。この輸送形態は今後ますます増えることでしょう。それも、ごく近い将来の話です。関連会社は、2022年以降、実際の路上走行にこぎつけたいと考えています。
この100名を超えるドライバーレス車両の乗客が東京の報道機関に寄せたコメントの中で、東京都の副知事はこう話しました。「友人の車に乗っていたときよりも安全だと感じた。快適な乗り心地でした。」 東京の安全なモビリティ、そして世界の自律走行車技術にとって、重要なマイルストーンとなったことは明らかです。
制御装置の設置
ドライブ‐バイ‐ワイヤ（DBW）システムは、ステアリングコラムやブレーキペダルなどの機械的制御を、遠隔または自律的に作動する電気機械式アクチュエータで補完または代替するシステムです。現在のロボットタクシーでは、DBWシステムは従来の機械的なリンク機構と並んでおり、少なくとも現時点では、必要に応じて人間の安全オペレーターが試験車両を再操作することができるようになっています。
「ロボタクシーでの私たちの業務は、日本市場でトヨタ自動車に当社のドライブ‐バイ‐ワイヤをインストールすることでした」と Hexagon のAutonomy & Positioning 事業部のコア自律性のセグメントディレクターの Lee Baldwin 氏は述べています。
「イリノイ州モートンの本社にTier IVタクシーを納品しました。Tier IVにDBW システムを提供するために、車載システムとのインターフェースを開発する必要がありました。」
Hexagon AutonomouStuffのエンジニアによって設計および構築された独自のシステムであるプラットフォーム作動および制御モジュール (PACMod) は、コアドライブ機能と補助コンポーネントを正確にバイワイヤーで制御することができます。PACModはアクセル、ブレーキ、ハンドル、トランスミッションを配線で制御します。また、方向指示器、ヘッドライト、ハザードランプ、警笛にもコマンドを送ります。
コントローラーエリアネットワーク (CAN) バスインターフェイスを搭載し、後の解析のために車両フィードバックを収集します。これは、主に以下の目的に設計された R&D車両に特に重要です。速度、ステアリングの角度、各ホイールの速度など、さまざまな要因
最後に内蔵された安全設計で、非常時には直ちに完全手動制御に戻るなど、直感的な安全機能を備えています。これにより、欧州、米国、日本での公道走行の認可を取得しました。
AutonomouStuffのエンジニアは DBWおよび速度とステアリング制御 (SSC) をインストールし、その後、ロボタクシーを日本に返送しました。Tier IV はそれを店舗に運び、多くのセンサーと同社独自仕様のAutowareをインストールしました。
専門的人材の投入
Autowareは、モジュール方式のカスタマイズ可能なソフトウェアスタックで構成されており、それぞれが自律走行車で特別な目的を持っています。その最上位である制御では、A地点から B地点に移動する際、計画モジュールが車両に求めることを達成するために、システムがDBWシステムを介してアクチュエータに与える実際のコマンドを作成します。これには認知、制御、意思決定のためのモジュールが含まれています。そのアーキテクチャは、各機能を独立したモジュールにし、特定のプロジェクトのニーズに基づいて機能を追加、削除または変更することを容易にします。
Autowareは、世界最大級の自律運転のオープンソースコミュニティを発足・サポートし、先進運転支援システム (ADAS) から自律走行に至るまでのアプリケーションを開発しています。ソフトウェアエコシステムは、50以上の企業・団体・大学が加盟する非営利団体の Autoware Foundationによって管理されています。Tier IVとAutonomouStuffは同団体のメンバーであり、中心的な参加者です。
Tier IV 北米社長 Christian John氏は次のように述べています。「Autowareは、米国、日本、中国、台湾、ヨーロッパのプロジェクトで使用されています。「すべての学習、テスト、デバッグ、エクスペリエンスはオープンソースプラットフォームに還元されます。これらの機能強化は、誰にとってもメリットがあります。
「自律性技術を導入・展開するには、多数のパートナーが必要です。さまざまなセンサー、 LiDAR、カメラ、ソフトウェアを実行するECUなど、これらすべてが相互に連携して自律性を実装する必要があります。」
AutonomouStuffとTier IV は、2020年初頭から戦略的パートナーシップを結び、世界中のさまざまな産業に、自律化ソフトウェアソリューションを作成し、支援・展開を行ってきました。
「自律性技術を実行・展開するには、多数のパートナーが必要です。センサー、 LiDAR、カメラ、ソフトウェアを実行する ECU等すべてを統合する必要があります。」
実際のシナリオで技術デモを実施する
2020年11月～12月、Tier IVとそのパートナーは東京の多忙な商業の中心地である西新宿で、合計16日間の公開自動運転試験を実施しました。政府関係者や一般市民を乗客として募り、交通量の多い1〜2キロメートルのルートを走ってもらい、コメントをもらいました。日によっては、万が一の事態に備え、セーフティドライバーがハンドルを握る準備もしていました（実際は実施されることはありませんでした）。また、運転席が空席の場合は、遠隔地のドライバーが周囲の状況や進行状況を画面上で確認しながら、遠隔操作に臨みました。
11月には、所定の単独経路で試験が実施されました。12月のテストでは、スマートフォンで3種類の出発地と到着地を選び、そこにタクシーを呼び寄せ、希望する目的地まで乗車してもらいました。そのため、車両は多くの候補の中から経路を計算し、決定しなければならず、実施の難易度が高くなりました。
総計100人以上の乗客が試験が参加しました。Tier IVのエンジニアの中には、このデモンストレーションをネット上のブログで紹介している人もいるほど、ロボタクシーの設計者やオペレーターにとって集中的に学ぶことのできる体験でした。西新宿は交通量が多く、右左折や車線変更も多いなど厳しい環境強権であったため、ロボタクシーの実力が試される場となりました。
予期されなかった教訓の一つに、障害物の誤検知がありました。一部の道路脇の高い縁石や、側溝に溜まった落ち葉も、認識システムに問題を起こしました。Autowareは、自動車や歩行者など検出されるべきものを認識し、雨や吹き飛ばされる葉など無視できるものと区別するようにプログラムされています。しかし、これはまだ未完成の段階です。人間の目や頭脳に比べ、ロボタクシーには落ち葉とトラックの荷台から落ちてくる物体を区別するのは、簡単なことではありません。
また、信号のない交差点で、対向車の見通しが悪い(人間の判断や迅速な対応を必要とする）場合や、対向車の進入速度を予測することが難しい場合、無防備に曲がってしまうという問題もあり、今後の課題として挙げられました。
これに加えて、Autowareは、人間が行う可能性のある車の隙間を利用して突然加速する行為をしないようにプログラムされています。乗客の快適性と使いやすさには価値があります。人間にとって自然なことですが、プログラムされたシステムでは、交通量が多いときに、このような保守性と積極性のバランスを実現するのは困難です。
また、公園の空き地やトンネルなど、特徴のない環境では、LiDARセンサーに不具合が発生することもありました。さらに、LiDARセンサーは比較的高価なため、多くの車両に搭載する必要がある量販店では困難な場合があります。
これを解決するために、Tier IVのエンジニアの中には、LiDARセンサーの代わりに、比較的安価なカメラと慣性計測ユニット（IMU）を組み合わせたVisual SLAMという技術を実験しているとブログに書いている人がいます。これにより、視覚情報を用いたマップが作成され、同時にそのマップ内での自身の位置を推定します。さらに、事前に作成したマップ内での自身の位置を推定するリローカライゼーションと呼ばれる技術も積極的に調査されています。
しかし Visual SLAMにも課題があります。暗闇や同時にあちこちに動く物体があるところでは、正常に動作しません。
将来に向けた拡大
それでも、 Tier IVと AutonomouStuffは課題を楽しんでいます。
「この分野では、多くの革新が起きています」とJohn氏は述べます。OS (オープンソース) は多くの企業が自社のソリューションをエコシステムにもたらすことを可能にします。コスト、消費電力、安全アーキテクチャなど、これらの取り組みはクラス最高のソリューションとプレイヤーをもたらしています。」
急速な開発を遂げる無人運転車両市場には、数多くのプレイヤーが存在し、多岐多様なセンサーの組み合わせや統合が取り入れられています。高価なものもあれば、妥当なものあります。
「極めて垂直に統合されている企業もあります」とJohn氏は付け加えます。「オープンソースに対するアプローチではなく、独自のソフトウェア スタックを開発しています。大量生産の観点では、市場はまだかなり早期の段階にあります。一部のプレイヤーは、レベル 4 の完全版をデモし、限定的に市場に導入しています。」
同時に、実際に彼らの手法を拡大するには、システム最適化を完全にやり直す必要があります。車に搭載するコンピュータの電力は1,000ワット以上、センサーの集積度は1台あたり10万ドル（約1,000万円）です。これを多数の都市の何万台もの車両に拡大することはできません。
「だからこそ、あらゆる投資をしています。ソリッドステート式LiDAR、イメージングレーダー、これらすべてが認識能力を進化させ続けます。新しいソリューションを統合し、当社の認識スタック内で最適化する必要があります。その後、これらの変更を行った後、新しいシステムを確認するにはどうすればよいでしょうか？安全要件を満たしていることを証明するにはどうすればよいでしょうか？」
John氏は、最後に将来について語ってくれました。「私にすれば、皆、限定的な展開で機能するソフトウェアを作成できることを証明しているようなものです。規模を拡大するには、システムを再設計して検証するために、さらに大きな投資が必要です。またオープンソースは、次世代 AD ソリューションを最適化する上で重要な役割を果たします。」
