米GM｢人間の能力を超える｣自動運転車の完成が、わずか2年で現実味を増した理由

これらすべてのソフトウェアは、試験車両から集まってくる最新のデータを反映させて自動運転システムをアップデートしてくれるCLMによって強化される。

クルーズの開発に携わるシニアマネージャーのシーン・ハリスとプリンシパルリサーチサイエンティストの賈兆印（ジア・ジャオイン）は、上記の技術の完成に向けた同社の戦略が垣間見える貴重な情報を提供してくれた。

完全自動運転の実現に向けて｢到達度80％は超えた｣

ハリスによると、道路交通上の標準的なルールに従うようマシンをプログラミングするという面では、完全自動運転の実現に向けた到達度はすでに80％まできているという。

しかし、公道で自動運転車を走らせるのに、80％は十分な数字とは到底言えない。

｢継続学習マシン（CLM）はこの80％のソリューションを99〜100％に引き上げるのが役割で、ここまで十分に役目を果たしてきました｣（ハリス）

瞬時の判断で標準的なルールに違反するドライバーもいる。例えば、目の前のクルマが左折のウィンカーを出しておきながら右折したとき、マシンがすぐに反応できなかったら大惨事が待ち受けているのは明らかだ。

だからこそ、（サンフランシスコ内を巡回する試験車両から次々と）集まってくるデータが必要になる。

ほかのクルマが突然車線変更するとか、交差点で信号機が故障（消灯）しているとか、｢干し草の山にまぎれ込んだ針｣のようなほとんど想定しがたい状況に備えてシステムをトレーニングする際、試験走行車からのデータが役立つのだ。

そうした不運な出来事が起きると、（そうしたケースではフロントシートに座る人間が操作せねばならなくなることが多いが）CLMはそこで得られたデータをもとに即座にトレーニングを行ってモデルの改善を図る。運転席に人間を必要としない完全自動運転の実現には、そうしたプロセスが必要不可欠だ。

｢試験車両の走行中に何か問題が起きたとき、それは常に（システム改善の）有用な事例となります。たとえそれがちょっとした問題だったとしても｣（ハリス）

サンフランシスコはそうしたデータを収集するのに最適の場所というわけだ。2019年、クルーズの試験運転車両は合計83万1040マイル（約134万キロメートル）を走破している。

クルーズによれば、グーグルがウェイモ（Waymo）の試験走行を実施しているアリゾナ州フェニックスの郊外のような他の自動運転試験サイトと比較して、サンフランシスコは最大で46倍、困難な状況に遭遇する確率が高いのだという。

実際、サンフランシスコ・ベイエリアでの1分間の試験走行は、フェニックスなど他都市の郊外で1時間試験するのと同等で、その要因としては、自転車に乗っている人に遭遇する確率が16倍高いこと、建造物の密集度が高いことなどが挙げられる。

｢我々は公道上で人間以上のパフォーマンスを実現しようと取り組んでいます。想定できないような不足の事態に対応しようとすれば、試験走行を積み重ね、頑強なモデルを築き上げるしかないのです｣（ジア）

実は、クルーズは立ち上げ初期、機械学習をそれほど重視していなかった。CLMがクルーズの核心を占めるようになったのはここ2年間の話にすぎない。しかし、その2年間こそがテクノロジーの発展と成長に大きなインパクトをもたらした。

何と言っても大きかったのは、公道上のほかの車両が通常想定されるのと異なる挙動を見せる特殊な事例（のデータ）を確実に積み重ねていく上で、CLMが大いに役立ったことだ。

｢継続学習マシンは、自動運転車が走行する際、滅多には起きないけれども非常に重要な状況にどう対処するのか、あるいは、さまざまな分野におよぶ問題に対して機械学習ソリューションをどう適用していくのかを考えるための、われわれなりのアプローチなのです｣（ハリス）

［原文：How GM's $19 billion self-driving subsidiary Cruise trains its cars to have 'super-human' capabilities］

もっと知る

テスラはもう時代遅れ？米GMと戦略提携のニコラに見る｢自社生産しないEVスタートアップ｣の強み

（翻訳・編集：川村力）