Artificial Neural Expert System based YOLO$_{Gen_1}$ detector for Autonomous Driving Problem

車の運転には、ドライバーと道路との間の、絶え間ない、瞬時の対話が必要です。目は危険を探し、脳は点滅するライトや急停止の意味を処理し、手は必要な旋回やブレーキを実行します。数十年にわたり、エンジニアたちは機械にこれと同じ能力を与えようと、人間の助けなしに見て判断できるシステムを構築してきました。世界は予測不可能であるため、その挑戦は極めて困難です。歩行者が縁石から足を踏み出したり、信号機が故障したりすることがあるからです。これを解決するために、研究者たちは2つの主要なツールに頼っています。それは、機械の「目」として機能するセンサーと、「脳」として機能するソフトウェアです。目は通常、カメラやレーダーを使用して物体を検知し、脳は複雑なコンピュータプログラムを使用して、それらの物体が何を意味し、次に何をすべきかを判断します。目標は、現実世界の交通という混沌とした状況を扱いながら、安全かつ効率的に走行できる車両を作り出すことです。

チュニス・エル・マナール大学の研究者が、より鋭い「目」と、より経験豊富な「脳」を組み合わせた、このシステムを構築するための新しい方法を提案しました。彼らは、自律走行システムの視覚センサーとして機能する、YOLOGen1と呼ばれる新しい検出器を導入しました。小規模な物体や遠くの物体に苦戦することが多かった従来のバージョンとは異なり、この新しい検出器は、並外れた明晰さで道路を見通すように設計されています。これは天候の影響を受けやすいレーダーには依存せず、代わりに、連携して機能する高度なカメラベースのモデルの洗練された組み合わせを使用しています。研究者は、この新しい検出器が、標準的な走行データセットにおいて98パーセントを超える信頼レベルで物体を特定できることを見出しました。特定の走行シーンのデータセットを用いたテストでは、他のいくつかの主要なモデルを上回り、より多くの車、歩行者、標識を、より高い精度で見つけ出すことができました。

しかし、道路を見ることは戦いの半分に過ぎません。車両はどのように反応するかを決定しなければなりません。研究者は、これに対処するために、「人工ニューラルエキスパートシステム」と呼ぶ新しいタイプの意思決定システムを作成しました。これは、運転のルールブックを学習しただけでなく、自身のミスからも学ぶデジタルドライバーのようなものだと考えてください。従来のコンピュータプログラムは、厳格なルールに従います。「もし信号が赤なら、止まれ」といった具合です。しかし、もし信号が故障して赤のまま固まってしまったらどうでしょう？ 厳格なプログラムは永遠に止まり続けてしまいます。しかし、この新しいシステムは、信号が遮られていることを認識し、戦略を切り替えることができます。例えば、その状況を一時停止の標識のように扱うといったことです。これは、次に何が起こるかに基づいて内部ルールを常に更新することによって行われ、標準的なルールが通用しない状況に対処することを可能にします。このシステムは、学習する場合でも決して危険な経路を選択しないよう、安全性を確保するように設計されています。

このシステムをリアルタイムで機能させるために、研究者は、一つのタスクが終了してから次のタスクを開始するのではなく、コンピュータの異なる部分が同時に連携して動作するようにソフトウェアを構成しました。彼らはこのシステム全体を、高価なグラフィックスカードを必要とせず、標準的なノートパソコンのプロセッサでテストしました。結果は驚くべきものでした。システムは、単純なハードウェアであっても、実時間よりも速くビデオを処理し、走行の推奨事項を提示することができました。シミュレーションにおいて、システムは、故障により赤信号のままとなった信号機のような複雑なシナリオにおいても、動的に意思決定ロジックを変更することで、車両を安全に進行させることができました。研究者は、実世界のビデオ映像を用いて彼らのアプローチを検証し、システムがドライバーや自律走行車両に対して、有用で即時的なアドバイスを提供できることを示しました。

この研究は、非常に精度の高い視覚検出器と、柔軟な学習ベースの意思決定システムを組み合わせることで、自律走行車両がより安全で信頼性の高いものになれることを示唆しています。研究者は、新しい検出器であるYOLOGen1が、走行シーンにおける物体検知において現在最も効果的なバージョンの一つであることを証明しました。また、彼らの意思決定システムが、壊れたルールや予期せぬ障害物に適応できることも示しました。これは、現実の交通の混乱に対処できる車両への重要なステップです。このシステムはシミュレーションや録画ビデオを用いて広範囲にテストされていますが、研究者は、生産車両に使用される前に、実際の道路でのさらなるテストが必要であると述べています。彼らの研究は、有望な道筋を提示しており、機械が道路を明確に見るだけでなく、そこに見出した問題について思考できることを証明しています。