自動運転車両の最大の課題は、車両がどの位置を走行し、どのように走行するのかを車両に指示するためのアルゴリズム、つまりプランニングとポリシーを開発することだと考える方がいるかもしれません。実はそうではありません。最大の課題はセンシングと知覚です。つまり、プランニング機能やポリシー機能のよりどころとなる、正確かつ実用的な環境モデルを高い信頼性で構築できる知覚システムの構築です。この意味で、知覚システムはより高次な自動化を可能にするための基本となります。
人命が失われることを未然に防ぐアクティブ セーフティ 機能を実現するために、高性能の知覚システムを車両にデプロイすることを目指す OEM にとって、レーダーは、システム コストが小さく、さまざまな天候や照明状況に対応できる回復力があるなど多くのメリットがあり
ます。
このような特性から、レーダーは車両の環境モデルを構築するために理想的な基盤であり、特に基本的な警告機能にとどまらない支援機能や自動機能を実現するうえで欠かせないデバイスとなっています。インテリジェンスを一元化して機械学習を正しく適用することで、パフォーマンスを加速でき、他のセンシング モダリティとデータを融合しながらレーダーの強みを活かせるようになります。こうすることで OEM は、最先端の機能を備え、非常に難しい曲がり角のシナリオにも対応できるプランニング機能とポリシー機能の設計と実装に最適な土台を用意することができます。
このホワイトペーパーでは、レーダーやその他のセンシング モダリティが収集したデータを機械学習によって最大限に活用する方法や、このテクノロジーの使用例を紹介しています。