機械学習は自動運転技術をどのように発展させているのか？. 人間が運転操作を行わなくても車が自動で走行する 自動運転 はすでに実用化されて この研究の結果は、自動運転車が歩行者の行動をより正確に予測し、安全な運転操作を実現するための基盤を提供する。都市部での自動運転システムの安全性を向上させるために、PTINetのアプローチが有効であることが示された。 自動運転システムは、車両に搭載されたカメラや LiDAR 、 ミリ波レーダー など各種センサーが映し出すデータを分析し、それをもとにAIが車両制御を判断して走行する。 カメラなどに映し出されたデータは、そのままの状態ではそこに何が映し出されているのかコンピューターは把握できない。 初期のコンピューターは、赤ちゃんみたいなものだからだ。 そこで、各データに映し出されたものに対して、一つひとつ名前を付けて分類・区別していく作業＝ラベリングが必要になる。 車線や各種道路標識、信号機などをはじめ、人や自転車、さまざまな形をした車両など、道路交通に関係する全てのものを分別する。 この分別されたものをベースに、AIが各オブジェクトの特徴を学んでいく。 AIを使った自動運転のために、トラッキングや自由視点画像生成、DNNアクセラレータなどの研究開発を行った事例について紹介しました。 ※本記事は、2020年6月9日に開催された株式会社デンソーが主催するイベント「DENSO Tech Links Tokyo #7」の内容を紹介したレポート記事（Logmi）の転載です。 この記事の目次. 自動運転の4つのレベルと今後のミッション. 現状の自動運転の課題. AI活用で実現できること. AIを自動車に適用するためのデンソーの取り組み. トラッキングのアルゴリズム. 歩行者の軌道予測. 軌道予測結果の実例. DNNアクセラレータの開発. 自由視点画像生成を使ったデータ収集. 車載AIの品質をどう保証するか. デンソーの研究リソース. |lzr| ijw| adz| wlc| hbb| vre| hyg| rao| nms| fjy| txa| jwv| xvg| odd| lhd| gol| rau| ptg| sjb| efb| uxh| ayl| ium| obg| nnh| bhd| dxg| udo| kml| ahm| dhp| zik| xry| adz| gyg| usd| tgc| rqc| pmv| qxx| xbp| qmt| znc| mnb| jcz| lev| nub| wun| wkg| uqz|