見出し画像

お騒がせテスラがまた物議を醸す。自動運転のカギを握る技術ソリューションの開発の行方は?

テスラはまた自動運転技術路線の新たな論争を巻き起こしている。

5月26日、テスラは視覚学習路線に全面的に移行し、北米市場で納入するModel 3とModel Yにレーダーを搭載しないと発表した。これに伴って5月20日の古いツイートがすぐに検索されてトップ記事になった。フロリダの自動運転業界コンサルタントであるGrayson Brulteは、パームビーチ近くの道路で、頭上にレーザーレーダー装置を搭載したテスラのテスト車を撮影し、地元の車両管理局はその車のナンバープレートがテスラが所有していることを確認した。

画像1

その後の情報によると、「匿名の人物」はブルームバーグに「個人的な情報」として以下のことを語った。テスラの屋根のレーザーレーダーは有名なレーザーレーダーメーカーのLuminarから来ており、Luminarはテスラと「テストと開発」のためにレーザーレーダーをテスラに提供する契約を結んだと言われている。

Luminarの株価は一気に上昇し、9.5%の大幅高となった。テスラの支持者は、レーザーレーダーは「データを相互検証し、視覚学習モデルを訓練するために使用される」にすぎないと考えている。一方でテスラ反対者は、レーザーレーダーの使用はテスラの「自信のなさ」を証明しており、全面的な視覚はテスラの「コスト削減」と「ギミック作り」のマーケティング戦略であり、将来の自動運転はマルチセンサー融合の路線であると述べた。

しかし、いずれにしても、「口嫌体正直」のテスト車は、テスラのレーザーレーダーに対する最大の肯定的なものとなっている。

視覚学習とレーザーレーダー、共存できない?

テスラのイーロン・マスクCEOは「第一性の原理」を長らく堅持してきたことが、テスラが視覚学習路線を堅持してきた「最大の理由」だ。マスク氏は、機械は人間のように世界を感知し判断すべきであるため、視覚学習路線を歩み、大量の機械学習でアルゴリズムを訓練することが、テスラの長期的な技術目標であると主張している。

画像2

2019年のテスラの「Autonomy Day」製品発表会で、マスク氏は「レーザーレーダー(自動運転の開発)に頼っている人は誰でも終わりになる。これらの高価なセンサーは必要なく、高価な盲腸がたくさんあるようなものだ。分かるだろう」と発言した。

テスラは48億キロのマシントレーニングを実現したと主張しているが、北米地域で更新される視覚プログラム駆動のAutopilotとFSDの新しいテスラModel 3とModel Yでは、自動操舵機能は最高時速75マイル/時とそれ以上の最小追従距離に制限される。スマートコールや緊急車線回避も一時的に禁止される。

テスラは今後数週間以内に、一連のOTAによってこれらの機能を回復すると発表した。

アナリストの中には、これはマスク氏がさらにコストを圧縮するギャグに過ぎず、レーダー部品のコストを削減する一方で、「技術のアップグレード」を理由に次のFSDシステムのアップデートでサブスクリプション価格を引き上げることができるとの見方もある。

すべての論争は「視覚学習」と「レーザーレーダー」の2つの路線を対立させているように見えるが、実際には、自動運転技術がまだ模索段階であり、規制も安全度も十分ではない現在の状況で、マルチセンサ交差感知検証を使用することは、現在最も信頼性の高い技術法案である。

画像3

今回の論争でスポットライトを浴びたLuminarの場合、レーザーレーダー技術案のトップレベルの技術案企業として、世界10大自動車メーカーのうち7社を含む50社以上の業界パートナーと提携関係を結んでいる。

中国国内でも、Luminarはすでに上汽R汽車と提携し、自社の技術ソリューションを初発表している。

テスラの「二者択一」戦略とは違い、LuminarとR汽車の提携は、R汽車が独自に研究した「R-TECH高エネルギースマート体」に溶け込むもので、R汽車の5年間200億元の研究費用の集大成である。R汽車の公式資料によると、スマートドライブプラットフォームPP-CEM™は、レーザーレーダー、ZF PREMIUM 4D画像レーダー、5G-V2X、高精細地図、視覚カメラ、超音波レーダーを含む「6重融合式感知システム」の感知システムを保有している。

この知覚システムは、市場知覚の成熟プログラムのトップレベルの「集大成」であると考えられている。

マスクの選択問題はやめるべき

すべてのけんかは疎まれた混乱を招くだけで、消費者は信頼のためだけにお金を払わなければならなくなる。

現在すべての単体車ベースの自動運転には、独自の限界がある。広く応用されているミリ波レーダーは歩行者を識別することが困難である。視覚学習方案は強い光と逆光の下の物体を識別することが難しく、アルゴリズム訓練の成熟度と信頼性も標準検証が不足している。レーザーレーダー自体にも、コストが高く、色を認識できないという欠点がある。さらに悪天候になると、各種運転補助が利用できなくなる。したがって、複数のテクノロジーを使用して「相互バックアップ」を行うことは、消費者がセキュリティとエクスペリエンスを最大化できるようにするための基盤となる。

画像4

これはマスク氏の「詭弁」の最も不合理な点でもある。車と人は一致しておらず、技術が十分に成熟していない条件の下で、いわゆる「人のように感知して意思決定する」ことで意思決定の理由を形成し、研究開発と製品のコストを削減し、消費者の安全を犠牲にしている。このような観点から言えば、マスク氏が長期的に自分を「評価基準」にしようとし、アジェンダ設定を通じて消費者に「選択問題」を行わせようとしたことは、典型的な混乱を招く行為である。

やはりあの言葉。まず足し算の基礎を作ってこそ、引き算の底力がある。

各大手サプライヤー、技術ソリューションが長年発展した後、現在業界の普遍的な趨勢は、各技術ソリューションが完成車工場の主導の下で技術融合を行うことである。

中国汽車技術研究センター有限公司、中国智能交通協会、社会科学文献出版社が共同で発表した「自動運転青書中国自動運転産業発展報告(2020)」によると、視覚センサーとレーダーセンサーの組み合わせは業界の共通認識となっており、現在、コストと効果のバランスの面で最も良い案となっている。

新勢力陣営の小鵬(Xpeng)も蔚来(NIO)も理想(Li)も、あるいは自主ブランド陣営の中で最も優れたR汽車、嵐図、広汽艾安などはいずれも「カメラ+超音波レーダー+ミリ波レーダー」方式を使用しているが、異なる点は、各ブランドにおいて背後の統合能力と技術路線が異なるため、使用できるセンサーの数も異なることであり、統合できるセンサーの数は、ブランドの研究開発力をある程度代表していると言える。

マルチセンサ情報融合の最大の問題は、指数関数的に2倍になるデータの選別と処理である。上汽R汽車のR-TECHは中国ブランドの中でセンサーが最も多く応用されている技術案で、「12個のスーパーハイビジョンカメラ+12個の超音波センサー+2個の4D画像レーダー+6個の長距離点群レーダー+Luminarレーザーレーダー」の合計33個のセンサーを使用し、大量の感知データをもたらし、運転者の個性的なニーズを満たすと同時に、将来の移動を前倒しで現在に持ち込む。注目すべきは、上汽R汽車の新メンバーであるES33は、R-TECH高エネルギースマートに基づいて開発された初のスマートカーで、このスマートカーの新車種は2022年下半期に世界で発売される予定だということだ。

画像5

このような感知システムは明らかにテスラ案よりも冗長性が高く、信頼性が高い。唯一の欠点はコストが高いことだが、消費者にとってはこれは欠点ではなく、利点である。

このような豊富な感知データに対応するため、R汽車は英偉達(NVIDIA)と協力し、データをR汽車が自己研究した「画像-点群-全方位多次元環境モデル」に融合させた。このアルゴリズムはR汽車が完全に自己研究したもので、長所を生かし短所を避け、総合的に意思決定することができ、各種天気、各種道路状況下の道路状況に十分に対応することができる。

画像6

このシステムはユーザーの安全と体験を保障するだけでなく、既存の運転補助と人工運転に対して、より洗練された全面的な意思決定の参考データを提供する。このシステムは将来的にはL4やL5レベルの完全自動運転のための情報サポートとなる可能性がある。

さらに、R-TECHスマート技術の基盤は、将来の技術進歩とエクスペリエンスのアップグレードのための十分なスペースを確保するために、十分な技術アップグレードインターフェイスを確保している。

テスラは再びレーダー路線に回帰することはないかもしれないが、自らレーザーレーダー技術を検証・開発として使用し、レーザーレーダーの正確性と信頼性を直接証明した。テスラが業界を混乱させ、話題を作って消費者に「二者択一」を争わせようとした背景には、コスト削減のための綿密な計算があった。

それに比べて、R汽車は伝統的で厳格な製造スタイルを持っており、技術路線の「全選択」は、消費者の安全と体験を尊重するだけでなく、技術の備蓄を積み重ねていくことでもある。マーケティングにはいつでも話題があるが、体験指向の消費者であれ、実用主義の消費者であれ、安全と体験を支えるのは、最も誠意のある技術実践に違いない。

喧騒の背後にある技術路線の選択は、最も信頼できるのはやはり伝統的な方法論である。実践は真理を検証する唯一の基準なのだ。


いいなと思ったら応援しよう!