東京大学,FastLabel,Human Dataware Lab.は,自動運転AIの開発に不可欠な教師データ作成のための3次元アノテーションツール「Automan」を開発し,オープンソースとして公開した(ニュースリリース)。
現在の自動運転システムの主流は,人間並みの判断を可能にする機械学習技術にあるが,研究グループは,高度な判断によって複雑なケースを自動運転で乗り切ることよりも,致命的な事故を未然に防ぐために適切なタイミングで自動運転をあきらめる(停止する)ことのほうが社会的価値は高いという着想のもと,危険と異常の予測に焦点を絞り研究を進めてきた。
特に運行設計領域(ODD: Operational Design Domain)を定義することによって,限りなく100%に近い精度で危険と異常を予測し,そこから最小限の移動量によって安全に停止できる自動運転システムのプロトタイプを完成させた。
この研究成果を広く社会に普及させるため,第3者が研究成果を再現できることが重要となる。特に自動運転システムの人工知能(AI)基盤には高品質な教師データが大量に必要となるが,従来のようにマンパワーに頼った作成方法では,教師データの不足や品質の問題により自動運転AIの研究開発が進まないという課題があった。
そこで研究グループは,自動運転AIの研究開発のためのデータの取得・解析に関する業務やデータ解析の自動化と,自動運転AIが用いる画像と点群のデータに対するアノテーションの自動化に取り組んできた。
今回,自動運転AIの開発に不可欠な教師データ作成のための3次元アノテーションツール「Automan」を2022年1月21日にオープンソースとして公開した。これにより,自動運転の領域においてAIの研究開発の加速が期待できるという。また,インターフェースの設計により,自動運転AIの開発サイクルを飛躍的に改善することを可能とした。
この研究では危険と異常という課題に対して実時間性と不確実性の観点からアプローチしたが,今後は脆弱性に対する研究も進め,外部からの攻撃に備える必要もある。そして,「走れば走るほど賢くなる自動運転システム」の構想を目指し,研究グループはこの開発を機に,自動運転AIの領域において,その実用化をさらに加速するとしている。