先月、自動運転プラトゥーニングのテストコースで、認識障害により2台のトラックが衝突する事故が発生しました。搭載システムは、前方LIDARと後方レーダーのデータの非同期によって生成された、存在しないエンティティであるゴースト障害物を検知しました。このエラーにより2台目のトラックが急ブレーキをかけ、1台目が追突しました。この事例は、自動運転隊列走行におけるセンサーフュージョンの重大な脆弱性を露呈しています。
技術分析：LIDAR-レーダーデータ融合における時間的ずれ 🚛
理想的なプラトゥーニングシステムでは、LIDARは10Hzで周囲をスキャンし、レーダーは20Hzで動作します。制御ユニット（ECU）で補償されていないレイテンシが存在する場合、ガードレールからのマイクロ波の反射が、LIDARが空きスペースを確認する直前に静止物体として記録される可能性があります。正確なタイムスタンプなしに両方の点群を結合すると、システムはこの残差を実際の障害物として解釈します。Unreal EngineやVissimなどのツールを使用すると、この障害を再現できます。前者は環境のジオメトリとゴースト障害物の軌跡をレンダリングし、Vissimは周囲の交通の反応をモデル化します。一方、CloudCompareは点群の分析を容易にし、時間的な不一致を特定します。
より堅牢な車両認識シミュレーションを目指して 🛠️
この事故は、ADASシステムの検証が路上試験だけに限定できないことを示しています。3Dエンジンや交通ソフトウェアを用いたシミュレーションには、フォールトトレラントなフュージョンアルゴリズムを訓練するために、センサー非同期のシナリオを含める必要があります。固定周波数ではなく到着順にデータを整列できる動的タイムバッファをECUに実装することは、すでに仮想環境でテストされている解決策です。目標は、ゴースト障害物が二度と実際の事故につながらないようにすることです。
自動運転プラトゥーニング中のトラック間のV2V通信における同期エラーは、多層LIDARなどの3Dセンサーシステムを使用してリアルタイムで検出および修正し、テストコースで発生したような衝突を回避することは可能でしょうか？
(追記：Foro3Dでは、私たちの車は馬力よりもポリゴン数の方が多いです)