IDAJ

Product製品情報

Cognata自動運転シミュレーション

概要

AD/ADASのカギを握る認識技術の重要性

自動運転ならびADAS機能の実現において、堅牢な認識アルゴリズムは不可欠な要素です。周辺認識が高精度かつ安定しているほど、その後の走行経路の判断や車両制御を含めたシステム全体の堅牢性が担保されます。従来、認識アルゴリズム開発は現実データをトレーニングデータとして活用してきました。しかし、現実データのみで必要とされるトレーニングデータを網羅することは非常に難しい課題であり、現実データとシミュレーションの双方を効率よく利用することが肝要です。
Cognataは生成AIを利用したデータオーグメントによるトレーニングデータ拡張、シミュレーションの技術を通してお客様の課題を解決します。

AD/ADASのカギを握る認識技術の重要性の図
Cognataを用いた首都高速都心環状線C1シミュレーション

シミュレーション・現実データ拡張 2つのアプローチ

認識アルゴリズムの学習には、現実のデータと合成データ双方を効率よく利用する必要があります。 Cognataは現実データ・合成データ双方に対してソリューションを提供します。エッジケース評価にはシミュレーション環境のSimCloudを、現実データにはDriveMatrixデータオーグメンテンションを提供しトレーニングデータのカバレッジを最大化します。

認識アルゴリズム学習データの分布

エッジケースの取得の難しさ

現実データでのエッジケース取得は非常に難しく、非効率だと考えられます。そこで、このようなエッジケースではシミュレーションの活用が最適です。

エッジケースの取得の難しさの図

エッジケースにシミュレーションを活用

シミュレーションを利用することで、路上横臥や工事現場、横断歩道以外の横断など、稀にしか発生しないエッジケースを効率よく、簡単に作成することができます。

エッジケースの取得の難しさの図
年齢層別事故類型別歩行中死者数(令和5年)
(出典:「令和5年における交通事故の発生状況について」令和6年3月7日 警察庁交通局
https://www.npa.go.jp/bureau/traffic/bunseki/nenkan/060307R05nenkan.pdf)

現実では再現が極めて難しい、逆光の中で鹿が車両前方に飛び出してくるシーンを再現しました。

Cognataを用いたエッジケースの再現

シミュレーションだけを認識AIトレーニングに使った場合でも、認識AI性能を向上させることができます。YOLO(You Only Look Once)による車両や信号の検出を動画でご確認ください。

Cognataを用いたシミュレーションのみを利用した認識AIの検出精度

現実データ拡張にはデータオーグメンテンションを活用

鮮明な画像・気象環境を受けないセンサデータの取得・安全面等を考慮すると、路上でのデータ取得は晴天日中に取得されるのが通常です。一方で、特にカメラセンサには難しい雨、霧、雪、夜などのトレーニングデータが不足する結果となります。
DriveMatrixでは、AIデータオーグメンテンションを実現し、現実データのシーンを拡張します。これによりトレーニングデータが拡張され、認識アルゴリズムのロバスト性を強化することができます 。

現実データ拡張にはデータオーグメンテンションを活用の図
CognataロゴCognataは、Cognata Ltd.により開発されました。
製品情報 技術サポート 実績・お客様事例
ユーザーサポートセンター 無料で資料請求