米国カリフォルニア州レッドウッドシティ — 自動運転およびロボティクス自動化向けの高度なAIソフトウェアのプロバイダーであるHelm.aiは本日、「Helm.ai Driver」の主要な機能拡張を発表しました。これは、高度なレベル2+自動運転システムからレベル4の都市型自動運転まで、シームレスなスケーリングを可能にする量産対応のビジョン専用ソフトウェアスタックです。

独自の「Factored Embodied AI」アーキテクチャに基づき、高精度（HD）マップやライダーセンサーに依存することなく、複雑な都市の交通状況下で人間のようなスムーズな運転を実現します。コアとなる基盤モデルは自動運転レベルに依存しない設計であるため、自動車メーカーはまず高度なレベル2+システムを即座に導入し、将来的にハードウェアや規制のロードマップが進展した際には、同じソフトウェアアーキテクチャを使用して、認証済みの「アイズオフ」レベル3や完全自動運転のレベル4機能を解放することが可能です。

今回の発表にあわせ、同社はカリフォルニア州レッドウッドシティの市街地をナビゲートするHelm.ai Driverのデモンストレーション動画を公開しました。動画では、交差点での右左折、複雑な信号機の遵守、他の道路利用者とのダイナミックな相互作用を自律的に処理する様子が収められています。これらはすべて、量産を目的とした自動運転システムの標準的なテストおよび検証プロトコルに従い、セーフティドライバーの監視下で安全に実施されました。

レベル3およびレベル4認証における「データの壁」を打破

現在、自動車業界は「データの壁（Data Wall）」に直面しています。これは、自動運転アプローチがエッジケース（例外的な状況）での性能向上を目指す際、希少で高価な実世界のデータを指数関数的に必要とする段階のことです。また、仮にそのようなデータが利用可能であっても、従来のモノリシックな（一枚岩の）「ピクセルから制御まで」を繋ぐエンド・ツー・エンドモデルは、厳格な安全性認証に必要な解釈可能性を欠いた「ブラックボックス」として機能してしまいます。

対照的に、Helm.ai Driverは「Factored Embodied AI」アーキテクチャを採用することで、データの希少性と解釈可能性の問題を同時に解決します。このアプローチでは、自動運転の課題を「パーセプション（認識）」と「ポリシー（行動計画）」という2つの明確で解釈可能なレイヤーに分割します。認識を個別に解決することで、生のセンサーデータを情報豊かなセマンティック・セグメンテーションや3D情報に変換します。Helm.aiのエンド・ツー・エンドのポリシーモデルは、生のピクセルではなく、この解釈可能な「セマンティック・ジオメトリ」を入力として受け取り、道路構造や交通ルールを「推論」します。

この要素分解されたアプローチにより、インターネット規模のデータセットを活用した大規模な学習が可能になり、ポリシーモデルのデータ効率を劇的に高め、「データの壁」の打破を支援します。さらに重要な点として、この構造は自動車メーカーにとって不可欠な透明性を提供し、監視付きレベル2+から、ISO 26262認証可能なレベル3およびレベル4の展開へと拡張できる、明確で監査可能なソフトウェア基盤を実現します。

Helm.aiのCEO兼創設者であるVladislav Voroninski（ヴラジスラフ・ヴォロニンスキー）は次のように述べています。「業界は、力任せのデータ収集が高度な自動運転において商業的に存立しなくなる転換点に達しています。Helm.ai Driverにより、我々はスケーラブルな自動運転のユニットエコノミクスを根本から変えました。現在、高度なレベル2+を駆動しつつ、レベル3およびレベル4への移行を支えるソフトウェアの脳としても機能する『ビジョン・ファースト』のシステムを提供することで、OEMに対し、量産車向けコンピューティングプラットフォームで次世代の自動運転を導入するための唯一の現実的な道筋を提示しています。」

Deep Teaching™とセマンティック・シミュレーションによる桁違いの効率性

従来の開発手法では、市街地走行能力を実現するために数十億ドルの資本支出と数百万マイルの走行データが必要とされるのが一般的ですが、Helm.ai Driverのプランナーは、わずか1,000時間の実走行データでこの成熟度に達しました。

この飛躍を支えるのが、Helm.ai独自の教師なし学習技術である「Deep Teaching™」です。これにより、ニューラルネットワークは容易に入手可能な膨大な非走行データから直接学習でき、インターネット規模の画像データセットに対する高コストな人間によるアノテーション（ラベル付け）を回避できます。これをセマンティック・シミュレーションと組み合わせることで、フォトリアルなピクセルを描画する計算負荷をかけずに、事実上無限の幾何学的シナリオで学習を行うことができます。生のピクセルではなく世界の「セマンティック・ジオメトリ」でシステムを訓練することで、Helm.aiは自動運転開発における従来のコストと時間の障壁をバイパスします。

地域を越えた汎用性：「ゼロショット」の優位性

量産車向け自動運転システムの真の試金石は、手動の調整やHDマップなしで「未経験」の環境に対応できる能力です。これを検証するため、Helm.aiは最近、カリフォルニア州トーランス（ロサンゼルス近郊）にソフトウェアを導入し、システムの汎用性を実証しました。

その地域の特定の道路に関する事前の学習を一切行わず、Helm.ai Driverは「ゼロショット」での自律走行を実現しました。この地域を越えた汎用能力により、OEMパートナーは、都市ごとの膨大なデータ収集やジオフェンス（走行エリア制限）による多大なコストをかけることなく、レベル2+からレベル4の機能をグローバルに展開することが可能になります。

Helm.aiについて

Helm.aiは、ADAS、自動運転、およびロボティクス自動化向けのAIソフトウェアを開発しています。2016年に設立された同社は、Deep Teaching™とジェネレーティブAIを活用した車両搭載用のフルスタック運転ソフトウェアおよびシミュレーションツールを提供しています。Helm.aiは、量産を前提としたプログラムにおいて世界の自動車メーカーと提携しています。