Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Turing TechTalk #7 E2E自動運転AIの開発プロセス

Yu Yamaguchi
November 15, 2024
350

Turing TechTalk #7 E2E自動運転AIの開発プロセス

https://turing.connpass.com/event/334607/
Turingが取り組む「E2E自動運転AI」をテーマに、従来の自動運転システムとの違いや開発プロセス、取り組んでいる課題をお話しします。

E2E自動運転ではMLモデルが主役になり、収集するデータの要件やAIモデルを日々アップデートしながら開発に取り組んでいます。 現場では多くのMLエンジニアやソフトウェアエンジニア、ハードウェアエンジニアが活躍しており、今回はマネージャーの棚橋がチーム全体の開発プロセスをご紹介します。

Yu Yamaguchi

November 15, 2024
Tweet

Transcript

  1. Twitterハッシュタグ: #TuringTechTalk Turing TechTalk! #7 19:00 オープニング‧全体案内 19:05 End-to-Endモデル開発の紹介 19:15

    ディスカッション&質疑応答 19:45 終了 TechTalkとは? スケジュール メンバー ⼭⼝ 祐  CTO / Director of AI  ⾃動運転‧⽣成AI開発を統括 棚橋 耕太郎  E2E⾃動運転チーム  チームリーダー   E2E⾃動運転、Tokyo30にむけた TD-1モデル開発を指揮 質問はYouTube Liveコメントまで! チューリングの最新の研究開発内容を、担当する エンジニアが直接解説するオンラインイベント。 今回は「E2E⾃動運転とその開発プロセス」に ついて深掘りします。 2
  2. End-to-end 自動運転AI マルチカメラ画像 Neural Network 車の経路 我々のアプローチ : End-to-endモデルを構築し画像から車の経路を直接出力する 画像

    LiDAR点群 HDマップ Perception • 物体認識 • 標識認識 • レーン認識 Prediction • 移動予測 • 将来マップ予測 • 交通エージェント Planning • 探索問題 • 経路計画 Control • 制御アルゴリズ ム 従来のシステム
  3. E2E自動運転開発の難しさ (=面白さ) • データの品質が超重要。 ◦ データ収集の品質がよくないと全てが失敗する(センサーの選定、センサーキャ リブレーション、自己位置推定、時刻同期、etc) • データが全て。故にデータ起因の罠が多く存在。 ◦

    共変量シフト問題、Causal confusion問題、学習データのバイアス • モデルの性能は実車を走らせないとわからない。 ◦ 過去データに対する推論(Open-loop)スコアは参考値にしかならない ◦ 正確な実車評価を素早く行える体制の構築が重要 • 車両とモデルの融合。 ◦ 机上で作ったMLモデルで、車という物理デバイスをどう動かすか (意図通りの推論ができているか、車両の個体差や非線形な挙動にどう対処す るか)