在6月1日在線召開的ICRA（國際機器人技術與自動化會議）上發佈，東芝發佈全球最高水平的自動駕駛AI。
東芝公司（以下稱為東芝）相互配合使用多個傳感器，以高精度估計其自身的車輛運動，並預測各種交通場景中周圍車輛的未來運動。我們開發了兩個AI，即“用於預測其他車輛運動的AI”。這是一種可以應用於汽車和無人機自動駕駛的AI技術，在使用公共數據進行的實驗中，與傳統技術相比，估計結果與實際距離之間的誤差減少了40％，並且在這兩種AI技術中都是世界上最高的精度。
Tesla汽車傳感器佈局。為了實現全方位的自動駕駛系統，需要大量的傳感器。
像人類通過估計周圍的運動來行動一樣，AI的安全駕駛對於準確估計自己的車輛運動和準確預測其他車輛未來運動的技術至關重要。
在當前的駕駛支持系統中，已經開發了使用諸如LiDAR和GPS之類的傳感器來估計車輛運動的技術，但是這種技術價格昂貴，或者取決於周圍的建築物，衞星的無線電波無法到達，存在無法進行測量的問題。
LIDAR（光檢測和測距：在掃描光時照射物體並觀察其散射和反射光，還可以測量物體的位置和形狀的傳感器）可獲取三維照片，如照片。可以做，但是很貴。DJI LIDAR Livox Mid-40的檢測範圍為260 m和77,49元，這讓我感到驚訝，“這個價格在車載水平上嗎？”。
另外，為了高精度地預測其他車輛的未來運動，需要針對每種道路形狀（例如，車道數和周圍道路的曲率）準備預測AI模型。有一個問題是，很難對預期要行駛的一般道路做出反應。
然而，這次開發的技術可以低成本獲得，並且使用不依賴於諸如無線電波之類的環境的車載攝像機和慣性傳感器來估計車輛的運動。另外，關於其他車輛的運動，特徵在於可以在不為每種道路形狀創建預測AI模型的情況下高精度地預測其他車輛的未來運動。
結合多個廉價傳感器
“自己的車輛運動估計AI”基於SLAM技術（同步定位和地圖繪製），該技術同時從車載攝像機圖像生成周圍環境的三維空間圖，並估算車輛位置。
SLAM等生成的圖像的圖像。此圖像是LIDAR的圖像。
我認為許多讀者都熟悉SLAM，因為它經常用在機器人系統中，但是當將慣性傳感器（例如加速度傳感器或角速度傳感器）應用於自動駕駛汽車中的SLAM時，它可以用作高速公路上的傳感器。在該值沒有變化的情況下，傳感器的噪聲變得大於有效信號，這對估計精度產生不利影響。
因此，這一次，根據車輛的運動每次確定用於每個圖像（照相機），加速度傳感器和角速度傳感器的數據的有用性，並且通過適當地組合已經改變的有效傳感器來估計車輛的運動。
該AI根據各種車輛的運動來計算每個傳感器的有用性，並將它們組合起來以估計自身位置，因此從諸如傳感器輸入值變化很小的高速公路上的車輛等場景中，據説甚至可以覆蓋這麼大的加速和減速運動。
也許，如果這項技術得到發展，即使在汽車和其他車輛突然失去控制（通常與事故直接相關）的情況下，它也應很有用。
車載公共數據集中的運動軌跡比較
另外，使用公開數據集進行驗證時，與基於從攝像機和慣性傳感器獲得的數據進行估算並與僅使用攝像機的情況進行比較的傳統方法相比，誤差減少了40％。然後，誤差減少了82％，並且可以確認結果幾乎與真實值軌跡一致。
另外，關於預測方法，除了預測每個車道的移動之外，還採用預測“將來駕駛的可能性高的車道”的兩階段配置，以響應於各種道路形狀來實現高精度。
通過將該技術付諸實踐，自動駕駛系統將變得更便宜，甚至可以改裝成一種流行的車型。