[論文レビュー] Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms

Divya Garikapati, Sneha Sudhir Shetiya|arXiv (Cornell University)|Feb 27, 2024

Evolutionary Algorithms and Applications被引用数 8

ひとこと要約

本論文は、自動運転車における AI および学習アルゴリズムの進化を概説し、AI 搭載の開発ライフサイクル、倫理的配慮、IoT 統合、ODDs、トラックと乗用車の比較、そして傾向統計を詳述する。

ABSTRACT

The advent of autonomous vehicles has heralded a transformative era in transportation, reshaping the landscape of mobility through cutting-edge technologies. Central to this evolution is the integration of Artificial Intelligence (AI) and learning algorithms, propelling vehicles into realms of unprecedented autonomy. This paper provides a comprehensive exploration of the evolutionary trajectory of AI within autonomous vehicles, tracing the journey from foundational principles to the most recent advancements. Commencing with a current landscape overview, the paper delves into the fundamental role of AI in shaping the autonomous decision-making capabilities of vehicles. It elucidates the steps involved in the AI-powered development life cycle in vehicles, addressing ethical considerations and bias in AI-driven software development for autonomous vehicles. The study presents statistical insights into the usage and types of AI/learning algorithms over the years, showcasing the evolving research landscape within the automotive industry. Furthermore, the paper highlights the pivotal role of parameters in refining algorithms for both trucks and cars, facilitating vehicles to adapt, learn, and improve performance over time. It concludes by outlining different levels of autonomy, elucidating the nuanced usage of AI and learning algorithms, and automating key tasks at each level. Additionally, the document discusses the variation in software package sizes across different autonomy levels

研究の動機と目的

• 自動運転車における AI および学習アルゴリズムの現在の状況を整理する。
• AI 搭載の開発ライフサイクルとその品質・セキュリティ・倫理的配慮を説明する。
• ODDs、車種（トラックと乗用車）、自動運転レベルが AI の選択とソフトウェアの複雑さにどのように影響するかを評価する。
• AV エコシステムにおける IoT 統合、車内体験、および HMI の傾向を強調する。
• AV の研究と実践における AI/ML/DNN の使用と展開の傾向と統計を提示する。

提案手法

• ジャーナルと会議を横断する AV における AI および学習アルゴリズムの文献調査。
• 時間経過と自動化レベル間での AI/ML/DNN の利用傾向の統計分析。
• ODAs (Operational Design Domains) の分類とそれらが AI の展開に与える影響。
• AI 主導の AV ソフトウェアにおける倫理的配慮、バイアス、解釈性の議論。
• AI 搭載 IoT エコシステムの統合と車内機能の強化の説明。

実験結果

リサーチクエスチョン

• RQ1 時間とともに自動運転車における AI および学習アルゴリズムの利用はどのように進化してきたか？
• RQ2 AI 搭載の開発ライフサイクルは、自動運転ソフトウェアの品質・セキュリティ・倫理にどのように対処しているか？
• RQ3 自動運転トラックと乗用車の AI モデルパラメータおよび展開にはどのような違いがあるか？
• RQ4 IoT は AV の AI エコシステムでどのような役割を果たし、ユーザー体験にどう影響するか？
• RQ5 自動化レベルは AI アルゴリズムの選択とソフトウェアパッケージサイズとどう相関するか？

主な発見

• AV における AI/ML/DNN の利用は年々指数関数的な成長傾向を示している。
• 自動運転トラックと車両では、異なるパラメータセットと展開上の考慮事項が存在する。
• ODDsと車種はアルゴリズムの選択、センサフュージョンの要件、テスト要件を形作る。
• 倫理的配慮とバイアス緩和は、解釈性とプライバシーの懸念を含め、AI 主導の AV 開発において重要である。
• IoT 統合と車内の NLP/GenAI/大規模言語モデルが、ユーザー体験とエッジコンピューティング戦略を形作っている。
• 公開・展開の傾向は 2018–2021 年頃に急増を示し、展開モデルの顕著な増加（例: 2021 年の 737 など）と GenAI および LMMs への継続的な移行を示している。