「自動運転でハンドルをなくそう」——イーステクノロジーの実用化への道

「無人運転車ではハンドルが不要になるのか？」この文は少し奇妙に思えます。自動運転車とハンドルは矛盾したフレーズの組み合わせのように思えます。しかし、実際のところ、自動運転がハンドルなしでできるようになるにはまだまだ遠い。

米国自動車技術協会（SAE）は自動運転をL0～L5の5段階に分類しています。L0は手動運転、L5は完全自動運転を指します。

上記の分類基準によれば、多くの従来の自動車会社はすでにL1運転支援、つまり運転支援を実現しています。一部のモデルのクルーズコントロールや自動追従などの機能も、ADASとも呼ばれるシステムアーキテクチャに基づく自動運転の分野であるL2段階に入っています。

「ADASと自動運転は霊長類とホモサピエンスのようなものだ。似ているが、同じものではない」とUISEEの共同創設者、チャオ・ヨン氏は語った。 「例えば、ADASの前方衝突警告の誤検知は無害ですが、自動運転になって車が理由もなく常にブレーキをかけるようになれば迷惑です。逆に、誤検知を減らすために誤検知を減らすと、ADASに大きな問題は生じません。結局のところ、主なコントローラーは人間です。しかし、自動運転は主に機械ベースであり、危険の判断を誤ると大きな問題を引き起こします。」

ADASと比較すると、自動運転の複雑さと難易度は飛躍的に増大します。真の無人運転への道はまだ始まったばかりであり、課題と機会が共存しています。多くのインターネット大手企業や伝統的な自動車会社がこの分野に賭けています。設立から2年未満のスタートアップ企業として、Yushu Technologyは非常に異なります。

「私たちは新しい会社を作らなければなりません。この新しい会社はまず自動車規制に準拠しなければなりません。最先端のコンピュータービジョン技術を持つことに加えて、最先端の複雑なシステム設計、車両計画、制御も備えていなければなりません。」 UISEE Technologyを設立した当初の意図について語る趙勇氏は、中国には本当に質の高いテクノロジー企業が必要だと考えています。彼は既存の悪い現象に挑戦したいのではなく、新しく、より高度なエコシステムを作りたいと考えています。

このビジョンを念頭に、趙勇は呉干莊氏（インテル中国研究所元所長）、江燕氏（北京理工大学無人運転車プロジェクトの元責任者）、その他数名のパートナーを集め、UISEE Technologyを設立しました。

同社は設立されてまだそれほど経っていませんが、すでに数人の共同創設者が最初の「2年計画」を策定し、自動運転の前後の条件を追加して、2つの道筋を設定しています。

全天候型半自動強化運転は、ユーシーでは「ヒューマン・マシン・コ・ドライビング」とも呼ばれています。ここでは、人間が依然として主導的な運転者であり、機械が協力者であり、両者が協調運転を行います。つまり、運転中、機械は収集された情報に基づいて必要に応じてステアリング、パワー、ブレーキの補助を提供し、特定の特別なシナリオでは自動運転も実現できます。

限定されたエリアでの無人走行。このシナリオでは、「人」は単なる乗客であり、運転は機械によって制御されます。運転が行われる環境は、特定の公園、公共交通機関の最後の 1 キロメートル、または特定の限定されたルートなど、変化する可能性があります。 「限定的」を強調する理由は、周囲の環境がすでに車両によって馴染み制御されており、未知で制御不能な状況が発生しないからです。また、このモードでは車両は低速状態になります。

この目標を達成するには、まだ 2 つの大きな困難が残っていると Wu Gansha は考えています。

1. アルゴリズム、現在の人工知能にはまだ十分な学習能力が欠けています。あるシナリオでは問題がないかもしれませんが、自動運転の実際のシナリオは複雑で動的であり、不確実性に満ちています。
2. システムとインテリジェント運転システムの複雑さは、単一コードの量だけで言えば、メルセデス・ベンツSクラスセダンはボーイング787旅客機の16倍に相当します。このような複雑なシステムをどのようにサポートしてうまく動作させるかが問題です。

このアルゴリズムは検証に多くの時間とデータ、そして大量の GPU リソースを必要とします。システムはコードを継続的に改善する必要があり、そのためには継続的な試行と多くのリソースも必要になります。そのため、これらの問題を解決するために、UISEE Technology は UCloud と協力することを選択しました。

UISEE Technology の既存の GPU はすべて実稼働データの実行に使用されており、多数の GPU リソースがフル稼働しています。しかし同時に、研究チームは事前トレーニングのために ImageNet データも必要としています。既存の GPU リソースを使用する場合、順番待ちが必要になるため、アルゴリズムとシステムの開発が必然的に遅くなります。

UISEEの状況に応じて、UCloudはUAI-Train製品を推奨しました。 UAI-Train は最下層に大量の P40 リソースを持っています。ユーザーは、インターフェースを通じてトレーニング セッションに必要なリソースの量を選択できます。上位層ではシステム、ドライバー、フレームワークがパッケージ化されており、ユーザーはコードをアップロードするだけで済みます。

使用中は、ホストがアイドル状態のときでも料金が請求される GPU ホストのレンタルとは異なり、UAI-Train ではタスクの開始時にのみ料金が発生します。タスクが停止すると課金も停止し、真のオンデマンド課金となります。トレーニング効率の面では、UAI-Train の基盤リソースの優れたパフォーマンスを活用することで、P40 GPU と SSD ディスク構成により、ローカル GPU サーバーを上回るパフォーマンスを実現しながら低価格を実現できます。

UCloud は、アルゴリズムとシステムという 2 つの中核的な問題に関して UISEE に多大なサポートを提供し、無人車両の商用化に向けた道をより良く、より速く前進できるようにしました。 UISEE Technologyは、ラスベガスで開催された2017 CES（国際コンシューマーエレクトロニクスショー）で、同社初の無人電気自動車を発表し、技術デモンストレーションを実施しました。

UISEEのタイムラインによれば、この車は今後1年以内に加速的に量産され、最初は工業団地内での低速無人運転アプリケーションを実現し、テーマパーク、景勝地、リゾートなどのシナリオをカバーし、2019年までに徐々に中速および高速自動運転に移行する予定です。

「今、我々がすべきことは、それを現実のものにすることです。次の5カ年計画では、必ずしもこれが成功するというわけではありませんが、実現可能な方法を見つけなければなりません」と趙勇氏は断言した。