自動運転「アップルカー」は、LiDARと他のセンサーを組み合わせて意思決定を改善する可能性がある

「Apple Car」の開発が進むにつれ、Appleは、他のセンサーを使ってLiDARスキャンを強化し、道路上の状況をより正確に判断するなど、自動運転システムを改善する新しい方法を打ち出している。

Appleは長年にわたり自動運転システムの開発に取り組んでおり、米国では複数の車両で開発中のシステムを試験的に運用しています。このシステムを「Apple Car」の機能として搭載するのか、それとも他のメーカーにライセンス供与するのかなど、同社の最終的な目標は不明ですが、Appleが依然としてこの技術をどのように改良できるかを検討していることは知られています。

米特許商標庁が火曜日に認可した「センサー処理パイプライン間でのセンサーデータの共有」と題する特許において、アップルは自動運転システム内で実行される複数のプロセスが、収集されたデータとより連携できるようになることを提案している。

典型的なセンサーデータ処理パイプラインは、最も簡単に言えば、センサーによって収集されたデータが専用の処理システムに提供され、そこで状況と適切な行動方針が判断され、他のシステムへと送信されます。通常、センサーからのデータは1つのパイプラインのみに限定され、他のシステムからの実質的な影響はありません。

Appleの提案では、パイプラインは収集したデータに基づいて認識判断を行うことができ、複数のパイプラインは異なるセンサー群を使用することで異なる判断を提供できるようになります。個々の認識が考慮される一方で、Appleは、決定された2つの状態の組み合わせに基づいて、統合された認識判断を行うことも提案しています。

処理パイプライン全体で共有されるセンサーデータを示す論理ブロック図。

さらにAppleは、データがより細分化され、各パイプラインの異なる段階で意思決定が行われ、統合される可能性も示唆しています。パイプライン間で共有され、他のプロセスに影響を与える可能性のあるこのデータには、生のセンサーデータ、処理済みのセンサーデータ、さらにはセンサーデータから派生したデータも含まれます。

より多くのデータポイントを提供することで、制御システムは、行動方針を作成するときにより多くの情報を利用できるようになり、より情報に基づいた決定を下すことができるようになります。

主張の一部として、Apple は、最初のパイプラインが画像センサーデータ用で、2 番目のパイプラインが LiDAR からのデータを使用するなど、パイプラインが接続されているが異なる種類のデータ用になる可能性があると述べています。

このようなデータを組み合わせることで、通常、単一のデータセットだけでは不可能な判断が可能になります。例えば、LiDARデータは距離と深度を測定できますが、色を認識することはできません。これは、道路上の物体を認識する際に重要となる可能性があります。また、画像センサーデータ処理パイプラインから取得できるデータも認識できません。

もう 1 つの論理ブロック図。今回は、LiDAR センサーパイプラインと画像処理パイプラインの共有を示しています。

Apple は、このコンセプトは赤外線、レーダー、GPS、慣性、角速度センサーなどを含む他の種類のセンサーにも使用できるとしている。

特許には発明者としてXinyu Xu、Ahmad Al-Dahle、Kshitiz Gargと記載されている。

Apple は毎週多数の特許を申請しているが、それらは決して Apple が特定の機能や製品を開発していることを保証するものではないものの、同社の研究開発活動の関心領域を示している。

自動運転の推進

この特許は、ここ数年で登場した一連の自動運転関連の出願や、コネクテッドカーのApple Carアプリケーションの中で最新のものにすぎない。

センサーの面では、これらの申請は、2016 年の新しいタイプの LiDAR 3D マッピングシステムの開発から、2019 年 10 月の、これらのシステムを車両の車体内に隠す方法を示唆するものまで多岐にわたります。

処理に関しては、2019年5月に申請された「信頼性」アルゴリズムにより、システムは道路を処理するために十分なデータをセンサーから取得できるようになり、処理速度を上げて他の要素のリソースを節約するために必要なデータ処理量が削減されます。

2018年に明らかになった他の事例では、自動運転システムが乗客に駐車場所や進行方向の変更などの選択肢を提示し、その後、発言やジェスチャーに基づいて行動する様子が紹介されました。同時に発見された「交通方向ジェスチャー認識」システムは、交通整理を行う警察官などの職員のジェスチャーを認識できるものでした。

「車両誘導のための認知負荷ルーティング指標」は、ルートの複雑さを考慮して、最適なルートを見つけることを目的としています。これには、車線数、道路の狭さ、街灯、歩行者交通量などのデータポイントが含まれ、これらはドライバーに提供される道案内と自動運転システムの両方に影響を与える可能性があります。

自動運転システムが乗客のストレスレベルに応じて運転スタイルを調整できることを示唆する特許出願もある。