Turing TechTalk #8 自動運転AI開発のMLOpsを支える技術

Turingは、We Overtake Teslaというミッションを掲げています。 今回は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。

Data Centric AIの思想を大事にしているチューリングでは、データ品質やデータ基盤に投資をしています。SaaS開発経験者やソフトウェアエンジニアが活躍しており、今後も多くの人材を採用していきます。 このイベントでは、チューリングのデータ基盤を支える技術や、なぜソフトウェアエンジニアが求められているかというトピックを中心に説明していきます。

https://turing.connpass.com/event/337501/

Transcript

1. ⾃動運転AI開発の MLOpsを⽀える技術 Turing TechTalk! #8 2024.12.11 19:00-19:45
2. Turing TechTalk! #8 19:00 オープニング‧会社紹介 19:05 ⾃動運転開発のMLOpsを⽀える技術 19:15 ディスカッション＆質疑応答 19:45 終了（質問が多ければ延⻑） TechTalkとは？ スケジュール メンバー ⼭⼝ 祐  CTO / Director of AI  ⾃動運転‧基盤AI開発を統括 安本 雅啓  E2E⾃動運転チーム  シニアソフトウェアエンジニア  ⾃動運転AIの学習につなげるMLOpsの構築を担当 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「⾃動運転AI開発のMLOpsを⽀える技術」 について深掘りします。 2 Twitterハッシュタグ： #TuringTechTalk
3. チューリング株式会社 累計調達額: 60億円 従業員数: 45名 会社概要 事業 完全⾃動運転⾞の開発 基盤AIによる実現を⽬指す 代表取締役: ⼭本⼀成 設⽴: 2021年8⽉ 3
4. End-to-Endモデル「TD-1」 4 ⾃社で収集‧構築した⾃動運転データセットで学習したモデル 2024年10⽉から⾛⾏試験を開始
5. ⾃動運転AI開発の MLOpsを⽀える技術
6. 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 マルチカメラ画像 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 6
7. TuringにおけるMLOpsとは？ Curation Data Processing ML Training Deploy Experiment management Web UI SDK Infrastructure Data Store 7
8. TuringにおけるMLOpsとは？ Curation Data Processing ML Training Deploy Experiment management Web UI SDK Infrastructure Data Store 大量の非構 造化データを 保存 高品質かつ多 様性に富む データを抽出 オートラベリン グ、フォーマッ ト変換 コード共通化、 バージョン管理 苦手データセッ トの追加 社内ツール (Data viewer等) データレイク(レイクハウ ス)、ワークフローエンジ ン等 8
9. • ⾞両からアップロードされたマルチモーダルなデータを格納。 • 動画情報とLiDAR(点群)情報が９割を占める。1時間200GB超。 Data Store カメラは8台分 点群は460,800点 LiDAR: Light Detection And Ranging CAN: Controller Area Network GNSS: Global Navigation Satellite System 9
10. • ⼤量の収集データの中から、⾼品質かつ多様性に富むデータのみ を抽出してデータセットを作成。 Curation • 品質 • 右左折・直進の割合 • 天候の割合 • 走行エリアのカバレージ 収集データ データセット 10
11. • ⾛⾏データを⼀定の時間間隔でチャンク化し、各チャンク(シーン と呼ぶ)にメタデータを付与。メタデータを使ってシーンを検索。 Curation # お台場 # 交差点有り # 停⾞中 # 信号機が⾚ # 歩⾏者なし # 先⾏者なし # 昼 # 晴れ 11
12. • AWS/Databricks/Google Cloudを使った環境整備 Infrastructure AWS Step functions AWS Batch Databricks データパイプラインの ワークフロー管理 オートラベリングの並列分散 実⾏ データレイクハウスの管理、 データインジェスチョン BigQuery メタデータによるシーン検索 12