導入

自動運転車の歴史

自動運転車に関する実験は、少なくとも1920年代から行われています。 1950年代には前進が見られ、それ以降も研究が進行してきました。 1980年代に最初の自足型で真に自律した車が登場し、1984年のカーネギーメロン大学のNavlabやALVプロジェクト、1987年のメルセデスベンツとドイツ連邦軍大学ミュンヘンのEureka Prometheusプロジェクトなどがあります。 1980年代後半以降、多くの研究機関や大手自動車メーカーが、メルセデスベンツ、ゼネラルモーターズ、コンチネンタル・オートモーティブ・システムズ、Autoliv Inc.、ボッシュ、日産、トヨタ、アウディ、ボルボ、パルマ大学のVislab、オックスフォード大学、グーグルなど、作動する自動運転車を開発してきました。 2013年7月、VislabはBRAiVEをデモンストレーションし、公道を使用した混在交通のルートで自動的に動作しました。 2019年までに、アメリカの29州で自動車の公道運転が許可されています。

一部のUNECE加盟国やEU加盟国、イギリスを含む国々は、自動化された完全自動車に関連するルールや規制を制定しています。 ヨーロッパでは、ベルギー、フランス、イタリア、イギリスの都市が、運転手のいない車のための輸送システムを運用する計画を進めており、ドイツ、オランダ、スペインでは公道でのロボット車のテストが既に許可されています。 2020年、イギリス、EU、日本では自動車の規制が既に進行中です。

今日、自動運転車は手元の技術革命として最も近いものです。一部の専門家は、2025年までにレベル4の車が市場に登場する可能性が高いと予測しています。レベル4の車は、システムが正常に動作している限り、運転手が完全に注意を向ける必要がなくなります。

レベル4の参照:

_images/self_driving_car.jpeg

最近のソフトウェア(人工知能、機械学習)、ハードウェア(GPU、FPGA、加速度計など)、クラウドコンピューティングの急速な進展が、この技術革命を前進させています。

しかし、毎日収集される大量のデータ、実際の運転記録やシミュレーションシナリオからのトレーニングデータを含めても、自動運転車のAIモデルの複雑さはまだ完全には満たされていません。

RANDの報告書 によれば、適切な自動学習レベルに到達するためには、信頼性を確立するために数百万マイル、あるいは数千億マイルのトレーニングデータが必要です。

ですので、自動運転車の未来は有望で興奮するものですが、技術が十分に成熟して、自動運転車市場に完全にアクセス可能になるまでには、まだ多くの開発年月が必要です。

新技術を迅速に成熟させるための確かな方法は、市場への参入要件を最小限にすることで、それを皆に簡単に利用可能にすることです。 これがSunFounderがPiCar-Xを立ち上げる動機です。

SunFounderの目標は、初心者や素人、または単に自動運転について学びたい人たちが、開発プロセスや技術、自動運転車の最新の革新について理解するのを助けることです。

PiCar-Xについて

PiCar-Xは、Raspberry Piプラットフォーム用のAI制御自動運転ロボットカーであり、Raspberry Piが制御センターとして機能します。PiCar-Xの2軸カメラモジュール、超音波モジュール、ライン追跡モジュールは、色/顔/交通標識の検出、自動障害物回避、自動ライン追跡などの機能を提供できます。

SunFounder設計のRobot HATボードを使用して、PiCar-Xは左/右の駆動モーター、ステアリング用のサーボモーター、カメラのパン/チルト機能のサーボモーターを統合し、Robot HATのADC、PWM、デジタルI2Cピンをプリセットして、Raspberry Piの標準機能への拡張を可能にします。スピーカーとBluetoothチップは、Text-to-Speech、効果音、あるいはバックグラウンドミュージック機能のリモート制御のために、Robot HATに組み込まれています。

PiCar-Xのすべての機能、GPIO制御、コンピュータビジョン、深い学習は、オープンソースのPythonプログラム言語、OpenCVのコンピュータビジョンライブラリソフトウェア、GoogleのTensorFlowを使用して実装されています。他のソフトウェアもPiCar-Xの機能を最適化するために含まれており、ユーザーにほぼ無限の学習環境を提供します。

深い学習とニューラルネットワーク

深い学習とニューラルネットワークについての詳細は、SunFounderが以下のリソースを推奨しています:

Machine Learning - Andrew Ng : このコースは、機械学習、データマイニング、統計的パターン認識に関する幅広い紹介を提供します。

Neural Networks and Deep Learning : このE-bookは、ニューラルネットワーク、観測データからコンピュータに学習をさせる生物学的にインスパイアされたプログラミングパラダイム、およびニューラルネットワークの機械学習のための強力な一連の技術である深い学習をカバーしています。

Rethinking the Inception Architecture for Computer Vision : この高レベルのホワイトペーパーは、ユーザーが因子化された畳み込みと積極的な正則化を通じて、追加の計算を可能な限り効率的に利用する方法を探求しています。