[論文レビュー] Key Ingredients of Self-Driving Cars

Rui Fan, Jianhao Jiao+4 more|arXiv (Cornell University)|Jun 7, 2019

Autonomous Vehicle Technology and Safety参考文献 62被引用数 33

ひとこと要約

本論文は自動車の主要要素を調査し、運転自動化レベル、センサー、ソフトウェアアーキテクチャ、オープンデータセット、産業プレイヤー、応用分野、課題を概観する。特定の技術分野を深掘りするのではなく、包括的な概要を提供することを目的としている。

ABSTRACT

Over the past decade, many research articles have been published in the area of autonomous driving. However, most of them focus only on a specific technological area, such as visual environment perception, vehicle control, etc. Furthermore, due to fast advances in the self-driving car technology, such articles become obsolete very fast. In this paper, we give a brief but comprehensive overview on key ingredients of autonomous cars (ACs), including driving automation levels, AC sensors, AC software, open source datasets, industry leaders, AC applications and existing challenges.

研究の動機と目的

• 単一分野の研究を超えた自動運転の幅広く統合的なレビューの必要性を動機づける。
• 運転自動化レベルと知覚、位置推定、予測、計画、制御のADSにおける役割を要約する。
• 一般的に使用されるセンサーとハードウェア、基本的なソフトウェアアーキテクチャとデータセットを調査する。

提案手法

• 自動運転に関する既存文献を統合し、知覚、位置推定と地図作成、予測、計画、制御というモジュール化された要素へ整理する。
• 著名な自動車プロジェクトのソフトウェアアーキテクチャを比較し、五つのモジュールフレームワークにマッピングする。
• オープンソースデータセットと業界の現状を概説し、現在の研究動向を位置づける。

実験結果

リサーチクエスチョン

• RQ1 SAEによって定義された運転自動化レベルは何か、各レベルで環境モニタリングを担当するのは誰か？
• RQ2 自動車で一般的に使用されるセンサーとハードウェア構成は何か、そしてそれらは互いにどのように補完するのか？
• RQ3 知覚、位置推定、予測、計画、制御は自動運転ソフトウェアアーキテクチャでどのように構成されているか？
• RQ4 現在の自動運転研究開発を形作るオープンソースデータセットと産業リーダーは誰か？
• RQ5 自動運転車におけるリアルタイム知覚、大規模SLAM、センサデータ融合を妨げる主な課題は何か？

主な発見

• SAEの運転自動化レベルは説明され、レベルが上がるにつれて人間の運転者からADSへの責任の移行が進む。
• 知覚、位置推定と地図作成、予測、計画、制御は、確立されたADSアーキテクチャに整合した五つのモジュールからなるソフトウェアアーキテクチャを形成する。
• 知覚と位置推定のトレードオフとして、カメラ、LIDAR、レーダー、GPS、IMU、車輪エンコーダなどの様々なセンサーとハードウェアコントローラ（CANバス）が議論される。
• Cityscapes、ApolloScape、KITTI、6D-visionなどのオープンソースデータセットは、自動運転研究の影響力のある資源として強調される。
• 業界のリーダー（例：Tesla、Waymo、GM）と彼らの公道テストのマイルストーンが要約され、展開の進捗と競争環境を示すために要約される。
• 主な課題には、悪条件下での知覚、リアルタイム計算の制約、大規模環境におけるSLAMの安定性、迅速で費用対効果の高いセンサデータ融合が含まれる。