Driving Intelligence Validation Platform 自動運転の安全性評価シミュレーション構築についての研究 神奈川工科大学教授井上秀雄 Weather Forecast AD* safety Assurance For Validation & Verification Methodology * AD : Automated Driving 自動運転の安全性評価シミュレーション構築についての研究 1
目次 背景と目的 研究成果 まとめ Project outcome at SIP-adus Nov-10th 2020 2
環境 空間描画 センサモデルが一体となった実現象と一致性の高いセンサモデル構築は AD/ADAS の安全性論証をバーチャル環境で実施する為の要諦である モチベーション ; 実現象と一致性の高いセンサモデル構築 実験評価 バーチャル評価 Public Road Proving Ground SILS/MILS (Software in the Loop/Model in the Loop) 要写真変更 (Adobe) Connect Connect HILS (Hardware in the Loop) VILS (Vehicle in the Loop) Camera Radar LiDAR 実現象と一致性の高いセンサモデル構築 Source : Kanagawa Institute of technology, MITSUBISHI PRECISION CO.,LTD., DENSO Corporation, Pioneer Smart Sensing Innovations Corporation, Hitachi Automotive Systems, Ltd. Project outcome at SIP-adus Nov-10th 2020 3
Open DRIVE Open SCENARIO 実験計測に基づくシミュレーション評価環境の構築を目指し センサメーカを含む産学エキスパート 10 団体により研究開発を進める DIVP 設計 実環境 外界 センサ クルマ 自動運転制御 車両挙動 物理現象に基づく仮想モデル化 仮想環境 5 4 3 環境 環境条件 移動物体 一時的な変化 測定と検証 環境モデル テストデータ生成 テストデータ生成ツール 空間描画 Nihon Unisys, Ltd 可視光線パス / レイトレース ミリ波レイトレース 知覚 Camera モデル Sony Semiconductor Solutions Corporation 知覚 Radar モデル 知覚 測定と検証 センサモデル 認識 Camera モデル 認識 Radar モデル 認識 自動運転モデルフュージョンリスク予測モデル 性能検証 本来性能 性能限界 センサ不調 交通外乱 ヒューマンエラー 車両挙動 2 路上物標 LiDAR モデル 経路走行計画 1 道路形状 近赤外光レイトレース 知覚 認識 運動制御 標準的な I/F を備えたプラットフォーム Nihon Unisys, Ltd Project outcome at SIP-adus Nov-10th 2020 4
研究成果 実現象と一致性の高いセンサモデル Community Ground での検証 Project outcome at SIP-adus Nov-10th 2020 5
センサ内部 環境イメージ 各センサ検出原理に基づき物理現象をバーチャルモデル化 センサ内部はさらに精緻な再現を目指し イメージセンサのモデル化に取組む Camera 検出原理の例 Sony Semiconductor Solutions Corporation 対象となる物標 光源 Camera Radar LiDAR Ray tracing さらに 精緻な知覚出力のため センサ内部を精密に仮想化 フロントウィンドウ レンズ イメージセンサ Sony Semiconductor Solutions Corporation ISP*/ 認識部 インプット 光電変換 (Photoelectric conversion) 信号処理 (Raw Signal Processing) アウトプット * Image Signal Processor Source : SOKEN, INC, Sony Semiconductor Solutions Corporation Project outcome at SIP-adus Nov-10th 2020 6
Camera Sim では 屋内 および屋外晴天時での一致性検証を実施し 20% 程度の差 これは概ね実機バラつきと同程度であることから Camera 性能評価への有効性を確認 Camera シミュレーション結果 * Sony Semiconductor Solutions Corporation 実機撮影結果 SIM 結果 ( 天空データ : 晴れ ) 明るさはほぼ近い印象 * 8bit in 24bit Source : Sony Semiconductor Solutions Corporation, SOKEN, INC Project outcome at SIP-adus Nov-10th 2020 7
LiDAR Sim では高精度を保証しながら高速化を実現 一致性の高いシミュレーションが可能に LiDAR シミュレーション結果 Nihon Unisys, Ltd Source: Nihon Unisys, Ltd Project outcome at SIP-adus Nov-10th 2020 8
ミリ波 Radar モデルの実装を完了 物理現象の評価が可能なシミュレーションに昇華することができた Radar シミュレーション結果 Nihon Unisys, Ltd Source : SOKEN, INC Project outcome at SIP-adus Nov-10th 2020 9
各モデルの プロパティ に材料特性を設定することで精緻な物体の再現が可能に 精緻な交通環境を再現するためのプロパティ Nihon Unisys, Ltd プロパティ無 色や質感が無く のっぺりとした結果になる プロパティ有 材料の特性が再現され 色 反射の強弱 透明感が再現できる Source : Nihon Unisys, Ltd, Kanagawa Institute of technology Project outcome at SIP-adus Nov-10th 2020 10
代表的な不調である 車両間のすり抜けシーンで 低分解能 Radar では 正しい位置に知覚出力が得られないことが再現でき センサの性能評価が可能に Radar 性能評価の例 低分解能 高分解能 Source : DENSO Corporation, Kanagawa Institute of Technology Project outcome at SIP-adus Nov-10th 2020 11
研究成果 実現象と一致性の高いセンサモデル Community Ground での検証 Project outcome at SIP-adus Nov-10th 2020 12
静的検証動的検証 FY19 ではラボにおける基礎検証を実施 FY20 では PG を使った NCAP シーン 不調シーンを用いた実験検証を実施 年度末にむけ Virtual-Community Ground へ拡張していく 検証のフレームワーク 現実の物理現象ベースの取組み 拡張のロードマップ 研究室 Proving Ground 拡張 Community Ground ( お台場 首都高 C1) 実際の交通環境 システム定義 差分の分析対策検討 シミュレーションモデル構築 NCAP センサ不調を引起す環境 一致性検証 実験による特性計測 基礎検証 Source : DENSO Corporation, SOKEN, INC, MITSUBISHI PRECISION CO.,LTD. Project outcome at SIP-adus Nov-10th 2020 13
DIVP R は シミュレーションでセンサ不調の検証を可能にし AD の安全性を保証するための Virtual-PG / CG を構築することに重点を置いている センサ不調シーンの事例 検出困難な対象物 反射やミリ波伝播へ影響する環境 黒革のジャケット 近接した複数車輌 夜間 ミリ波のマルチパス 段ボール 濡れた路面 雨 太陽光 逆光 Project outcome at SIP-adus Nov-10th 2020 14
Virtual-PG による Euro-NCAP 実現を目指し 2025 年に向けて継続的な拡張を実施 Euro-NCAP シミュレーション ; 歩行者車影飛び出しシナリオ 歩行者車影飛び出しシナリオ Camera シミュレーション LiDAR シミュレーション Source : Kanagawa Institute of technology Project outcome at SIP-adus Nov-10th 2020 15
道路形状から交通参加者の配置と動きの設定まで 任意の交通環境の組み立てが可能に並行して雨や逆光等の環境因子のモデル化も進める Virtual-PG の構築 J-town 交差点における交通環境の再現 雨の再現 逆光の再現 *: Virtual Proving Ground Source : MITSUBISHI PRECISION CO.,LTD. Project outcome at SIP-adus Nov-10th 2020 16
実際の交通環境におけるセンサ不調を再現する為 お台場 Virtual Community Ground を構築し AD 安全性検証を実施 Virtual Community Ground 映像は開発中のものにつき 実際の仕様とは異なる場合があります Source: 三菱プレシジョン ( 株 ) 提供画像 Project outcome at SIP-adus Nov-10th 2020 17
まとめ Project outcome at SIP-adus Nov-10th 2020 18
まとめ DIVP は センサ評価を中心に据えた安全性検証のアプローチにより より安全な AD/ADAS モビリティ社会構築に貢献する DIVP は 国際的団体との連携に基づきインターフェース 及びリファレンスモデル構築プロセスの国際標準化に貢献する AD 安全性論証における位置付け DIVP の目的 Regulation Standard Sim Assessment Sim IF de-fact 標準のオープンインターフェース Common Strategy Towards Global Safety Assurance Safety Assurance Platform Perception Scenario DB Virtual testing Asset data base Space Sensor environment Scenario Analysis Evidence model Government Funding project model Proof-of-concept (Simulation validation) Proprietary in OEMs & Tier1s AD/ADAS application ACT Vehicle Dynamics 妥当性の有る一致性検証に基づく 標準的な評価プラットフォーム 環境とセンサのペアモデルに基づく 現実環境との一致性を高める取組み Source : JAMA presentation Project outcome at SIP-adus Nov-10th 2020 19
END Tokyo Odaiba FOT area Virtual Proving Community Ground Project outcome at SIP-adus Nov-10th 2020 20