[論文レビュー] Why Autonomous Vehicles Are Not Ready Yet: A Multi-Disciplinary Review of Problems, Attempted Solutions, and Future Directions

Xingshuai Dong, Massimiliano L. Cappuccio+11 more|arXiv (Cornell University)|Nov 15, 2023

Advanced Neural Network Applications被引用数 5

ひとこと要約

本レビューは、過去10年間における自動運転車両におけるコンピュータビジョンの現状を多様な分野から統合的に分析し、認識の課題、センサーとデータセットの制限、完全自動運転に向けた技術的障壁を検討する。実運用における主な問題、例えば環境の多様性、計算リソースの要求、安全性のリスクを特定し、将来的な方向性として長期データセット、モバイルエッジコンピューティング、軽量CNN、リアルタイムリスク評価を提案することで、信頼性が高くスケーラブルな自動運転システムの実現を促進する。

ABSTRACT

Personal autonomous vehicles are cars, trucks and bikes capable of sensing their surrounding environment, planning their route, and driving with little or no involvement of human drivers. Despite the impressive technological achievements made by the industry in recent times and the hopeful announcements made by leading entrepreneurs, to date no personal vehicle is approved for road circulation in a 'fully' or 'semi' autonomous mode (autonomy levels 4 and 5) and it is still unclear when such vehicles will eventually be mature enough to receive this kind of approval. The present review adopts an integrative and multidisciplinary approach to investigate the major challenges faced by the automative sector, with the aim to identify the problems that still trouble and delay the commercialization of autonomous vehicles. The review examines the limitations and risks associated with current technologies and the most promising solutions devised by the researchers. This negative assessment methodology is not motivated by pessimism, but by the aspiration to raise critical awareness about the technology's state-of-the-art, the industry's quality standards, and the society's demands and expectations. While the survey primarily focuses on the applications of artificial intelligence for perception and navigation, it also aims to offer an enlarged picture that links the purely technological aspects with the relevant human-centric aspects, including, cultural attitudes, conceptual assumptions, and normative (ethico-legal) frameworks. Examining the broader context serves to highlight problems that have a cross-disciplinary scope and identify solutions that may benefit from a holistic consideration.

研究の動機と目的

• 自動運転車両の広範な導入を妨げる技術的および環境的課題を分析すること。
• 自動運転の認識システムにおけるコンピュータビジョンとセンサーフュージョンの役割を評価すること。
• 特に長期的な環境の変動性と現実世界の複雑さを反映していない点で、既存のベンチマークデータセットのギャップを特定すること。
• 自動運転車両の導入に関連する公的な懸念と安全性のリスクを調査すること。
• 現在のレベル2およびレベル3の能力を超えて、強固でスケーラブルかつ安全な自動運転システムを実現するための今後の研究方向性を提案すること。

提案手法

• 2013年から2023年までの自動運転車両におけるコンピュータビジョンの応用に関する体系的な文献レビューを実施した。
• SAEレベル（0～5）に従って自動運転システムを分類・分析し、認識、制御、人間-機械インタラクションに焦点を当てた。
• 一般的に使用されるセンサー（カメラ、LiDAR、レーダー、超音波）とベンチマークデータセット（例：KITTI、nuScenes、Cityscapes）を、認識タスクの観点からレビューした。
• 深層学習モデルを用いたコアなコンピュータビジョンタスク（深度推定、物体検出、レーン検出、交通標識認識）を評価した。
• データ、計算、安全性における現在の制限を分析し、今後の研究方向性を提案した。
• 一般の意見と現実世界での導入の課題からのインサイトを統合し、技術的およびシステム的改善を促進した。

実験結果

リサーチクエスチョン

• RQ1 自動運転車両がレベル3を超えて広く導入されない主な技術的および環境的課題は何ですか？
• RQ2 現在のベンチマークデータセットは、季節的変化や都市部の建設など、長期的な現実世界のドライブ環境の変動性をどの程度適切に反映していますか？
• RQ3 モバイルエッジコンピューティングは、自動運転車両の認識システムにおける計算負荷と遅延をどのように軽減できるでしょうか？
• RQ4 軽量でリアルタイム対応の畳み込みニューラルネットワーク（CNN）は、精度を損なわずに組み込み車両システムにおける効率性と安全性をどのように向上させることができますか？
• RQ5 動的で変化しやすい走行環境において、予測不能な行動を事前に特定・緩和するためのリスク評価フレームワークはどのようなものが必要ですか？

主な発見

• 現在の自動運転車両のシステムは主にSAEレベル2および3にあり、人間の監視と限定的な自動化に依存しており、スケールでパスプランニングと位置特定を統合した商業化されたシステムは存在しない。
• 既存のベンチマークデータセットは地理的に限定されており、季節的変化や都市部の建設といった長期的な環境変化を捉えておらず、モデルの汎化能力に制限をもたらしている。
• モバイルエッジコンピューティングの統合により、車両搭載システムから近くのエッジサーバーに計算負荷の高い認識タスクをオフロードすることで、遅延と計算負荷を顕著に低減できる。
• リアルタイムで動作する軽量CNNは、埋め込み車両システムにおける高精度と低エネルギー・メモリ消費量の両立を実現するために不可欠である。
• 予測不能な行動をリアルタイムで検知・対応できる強固なリスク評価アルゴリズムは、歩行者、自転車、悪天候状態の下での行動を把握する上で極めて重要である。
• 技術的進歩が進んでも、安全性、信頼性、倫理的判断に関する公的な懸念は、広範な導入を妨げる主要な障壁のままである。