AIのトレーニングは、通常静止画像に各種タグ付けしたデータを使用して実施されます。例えば、人間は、図1のような画像を見た場合、画像のどの部分に車両があり、どの部分に人が写っているかを認識できますが、未学習のAIにはそれができません。そこでAIをトレーニングする際には、元画像と一緒に画像内のオブジェクトにタグ付けした画像データをAIに入力します。AIはタグの情報を見ることによって画像のどの部分にどのようなオブジェクト(車両や人)があるのかを認識することができ、オブジェクトの特徴を学習することができます。これが自動運転車に搭載されているAIのアルゴリズムを構築する方法です。

図1：AI学習データサンプル例

タグ付けをする要素のひとつに「セマンティック・セグメンテーション」があります。「セマンティック・セグメンテーション」では、図2のようにオブジェクトを色分けし、配色とオブジェクトの情報を入力することで画像内のどこにどのようなオブジェクトがあるのかをAIに教えます。このようなデータを元画像と一緒にAIに入力することで画像内にあるオブジェクトの情報をAIに学習させることができます。

図2：図１の画像に対応するセマンティック・セグメンテーションデータ

AIの学習には、車両に搭載されたカメラで撮影した画像とその画像にタグ付けするための情報を含むデータが使用されます。一方で走行時にはフロントガラスの破損や動物の飛び出しなど事故に繋がり得る特殊なケースに遭遇することは稀なため、通常実走行時の画像と併用して特殊なケースを模擬したCG画像が使用されます。

図3：特殊なケースの例

近年ゲームエンジンのレンダリング技術の向上により、CG画像の質は大幅に向上しましたが、それでもCG画像で学習したAIでは現実の世界を認識できないという話を認知アルゴリズムの開発者からは聞きます。この理由としては以下の二つが考えられます。

• CG画像生成時に使用されるシステムの中に現実の世界を模擬するための物理モデルが搭載されていないため、現実世界の光の反射・拡散・回折を反映したCG画像を生成できない。
• CG画像生成時に使用されるカメラのセンサーモデルが実カメラを正しく模擬できていないため、生成されたCG画像がカメラの特性を加味したものとなっていない。

これらの課題はCG画像を「認知アルゴリズム」の学習に使用するうえでの大きな障壁となっており、特殊な状況を「認知アルゴリズム」に学習させる際の妨げとなっています。

このような課題を解決するために開発されたサービスが、スペインAnyverse社が手掛けるCG画像提供サービスです。Anyverseが開発したレンダリングエンジンには、レイトレーシング(光線追跡法)技術が採用されており、現実世界の光の反射・拡散・回折を模擬したCG画像を生成することができます。

図4：レイトレーシング技術イメージ図

またレンズ、イメージセンサー、画像処理など、デジタルカメラの特性を加味したCG画像を生成することができます。

図5：一般的なデジタルカメラの構造概略図

Anyverse (機械学習用CG画像提供サービス)

AD(自動運転)/ADASの認知アルゴリズムに使用するAI(人工知能)の機械学習用のCG画像を提供します。お客様の要求に合わせて、実走行では撮影が困難なコーナーケースや特殊な状況などのCG画像をお客様毎にカスタマイズして作成することが可能です。CGで作成するため、車／歩行者／信号／植生などをミスなく高品質にラベリングしたデータも提供でき、認知アルゴリズム開発のためのAI機械学習を効率的に行うことが可能です。

東陽テクニカでは、お客様のニーズに応じて現実世界を模擬したCG画像とタグ付けしたデータをセットで提供しております。カメラだけではなくLiDARの学習データを提供することも可能です。自動運転車開発に欠かせないAI(人工知能)をより効果的に活用するためのお手伝いをしていきたいと考えています。