自動運転システム（AV）の開発において、トリアージ（収集したデータに優先順位をつけて分析するプロセス）は、実走行テスト中に収集される膨大なデータを管理するために重要であるだけでなく、システムの機能性と安全性を維持する上で必要不可欠です。
トリアージは、潜在的な機能性と安全性の問題を特定し、対処するだけでなく、複雑化し、規模が拡大する自動運転システムを管理します。
この記事では、トリアージを実施することの重要性を強調するだけでなく、トリアージを効果的に実施する方法について、システム性能を向上させるプロセスと技術的ソリューションに焦点を当てながら、4 つの重要な検討事項を探ります。戦略的なデータ管理によって開発を加速し、成果を向上させる方法とApplied Intuition の統合ツールがトリアージを成功させるための包括的なソリューションを提供する方法について説明します。
1. 効率的なデータ選択
複数のカメラやライダーを備えたセンサーアレイは、通常、毎時テラバイトのデータを生成します。フリートが拡大するにつれ、データ量は毎週ペタバイトに達することもあります。前処理されたデータの保存に高いコストがかかることを考えると、最も有用なデータのサブセットを正しく識別することは、自動運転システムのどのモジュールの改善が必要かを特定する上で極めて重要です。価値のあるデータに集中することで、有用でないデータは効率的に削除またはアーカイブすることができ、ストレージと計算コストを大幅に削減することができます。
このアプローチを導入することで、業務が効率化されるだけでなく、自動運転システムプログラムのインフラ費用を大幅に削減することができます。大規模な自動運転システムプログラムでは、データを効率的に管理することで、ストレージやコンピューティング インフラのコストを累計で数百万ドル削減できます。Applied Intuition のデータソリューションは、最先端の機械学習モデルを活用してペタバイト級の収集データから貴重な洞察を自動的に導き出し、時間とコストの両方を効果的に削減します。
2. タグ付けとフィルタリングによる問題解決の合理化
トリアージはコスト削減だけでなく、時間の節約にもなり、ドメインの専門家は最も差し迫った問題に集中することができます。自動運転システム開発では、パーセプション、フュージョン、ローカリゼーション、プランニングなどの専門エンジニアリング グループがそれぞれ重要な役割を果たします。自動運転システムで問題が発生した場合、適切なチームに迅速に報告することが重要です。高度なタグ付けとフィルタリングは、最も重要なデータポイントを分離することでこのプロセスを合理化し、エンジニアがそれぞれの専門性に沿った特定の問題の修正に集中できるようにすることで、自動運転システムの改善を加速します。
データの重要性は、自動運転プログラムのライフサイクルを通じて変化します。車両も人員も少ない初期段階では、斬新なシナリオが多いため、収集されたほぼすべてのデータが貴重な洞察をもたらす可能性があります。この場合、タグ付けとフィルタリングは、自動運転システム内の初期の問題を迅速に特定し、関連データを適切なチームに提供するために必要不可欠です。。
初期段階のプログラムは、車両も人員も限られていることが多いですがが、新規シナリオに満ちた、有用なデータが主に得られます。この段階での効率的なタグ付けとフィルタリングは、重要な問題を素早く浮き彫りにし、関連するチームにデータを迅速に誘導します
3. 効率的なレビューのための自動化
自動運転開発における最初の課題は、未熟な自動運転アルゴリズムを搭載したデータ収集車を使用することです。このようなデータを手作業で検査するのは、時間がかかるだけでなく、コストもかかります
プログラムの規模が大きくなるにつれて、車両数の増加とともにデータ量が爆発的に増加するため、従来のデータ管理方法は財務的にも非現実的です。注目すべきは、これらのデータの多くが、すでに遭遇したシナリオを繰り返している可能性があることです。しかし、その中には、予期せぬ状況をテストするために重要な、レアな「ロングテール」シナリオが隠されています。
チームは、自動化とオフラインモデルが生成したタグを使用して、重要なセクションを迅速に特定し、エンジニアがより効率的に重要なレビューに集中できるようにします。さらに、洗練された自動化とフィルタリング ルールにより、チームは膨大な量のデータを効率的にふるいにかけ、さらなる分析のための重要な領域を特定することができます。自動化と人間によるターゲットを絞ったレビューを組み合わせたこのレイヤーアプローチは、システムの欠陥を特定する精度を高めます。エンジニアは、何時間もデータに目を通す代わりに、専門知識に最も関連する問題の解決に時間を費やし、自動運転システムを迅速に改善することができます。
理想的なケースでは、車両上でもリアルタイムのイベントタグ付けが行われています。収集されたデータはリアルタイムで自動的にタグ付けされ、開発者が利用できるようになります。このデータには、離脱やセンサーの問題などが含まれるかもしれませんし、開発者が実際に特定のイベントタグをリクエストして、トレーニングや分析ですぐに使用できるようにすることも可能です。
4. 可視化によるデータ分析の最適化
可視化ツールは、トリアージプロセスにおいて必要不可欠であり、複雑なデータセットに対する明確な洞察を提供し、意思決定プロセスを強化します。データをグラフィカルに表現することで、エンジニアは異常を素早く特定し、重要なシナリオを理解することができ、膨大な自動運転システムデータのレビューと分析を効率化することができます。
エンジニアは可視化ツールを使用してログをフィルタリングし、自動運転システムがどこで切り離されたかを特定し、問題解決のために重要な問題をピンポイントで特定します。Log Sim を使用することで、ログに記録されたセンサーデータをソフトウェアに再生し、そのソフトウェアが危険な状況に陥ったかどうかを確認することができます。
さらに、シミュレーション技術は、チームが初期のシステム離脱を超えて分析を拡張できるようにすることで、極めて重要な役割を果たします。離脱した時点以降のセンサーデータを再生することで、エンジニアはシステムが継続的なシナリオに対処できたかどうかを評価することができ、それによって応答の堅牢性を評価し、安全対策の強化に貢献することができます。
トリアージは、自動運転車両ソフトウェアを構築するためのフィードバックループの中核をなす部分です適切なツールがあれば、チームはデータの価値とトリアージプロセスの効率を向上させることができます。優れたツールは、チームが自動運転システムのパフォーマンスをより簡単に分析し、問題をより早く特定して修正し、関連データをより効率的に見つけ、ソフトウェアの品質を保証するためのより良い実環境テストやシミュレーションテストを作成するのに役立ちます。
Applied Intuition のアプローチ
Applied Intuition は、レベル 4 の自治体や自動車メーカー (OEM)のお客様とのコラボレーションを通じて、データ管理とトリアージへの効果的なアプローチを確立しました。
Data Explorer は、お客様がデータにタグを付け、それを掘り下げて洞察し、ログを素早くフィルタリングしてスタックが機能しなくなったスニペットを特定するのに役立ちます。安全のため、状況が危険になると、スタックは切り離され、ドライバーに引き継がれます。
Data Explorer は、Validation Toolset や Log Sim などの他のツールと連携して、お客様がより安全な自動運転ソフトウェアをより早く、より安く開発できるよう支援します。
Data Explorer、Validation Toolset、Log Sim をどのように組み合わせてより安全な自動運転ソフトウェアを開発するかについては、Applied Intuition にお問い合わせください。
.webp)
.webp)
