安全性と快適性を向上させる自動運転戦略を定義する

自動運転車の運転戦略を組み立てるにあたり、いくつもの異なる技法が検討されてきました。従来の制御技術単体では、「通常シナリオ」ではほぼ安全に操作されるでしょう。しかし、非線形性の影響が大きくなる「クリティカルなシナリオ」においては、不正な操作がなされる恐れがあります。 

シーメンスのエンジニアリングサービスは、モデルベース手法とデータ主導手法をどのように組み合わせると、自動運転戦略を改良し、自動車の制御性、精度、安全性、快適性能を向上できるかを研究しています。このホワイトペーパーでは、モデルベース手法とデータ駆動型または機械学習のアプローチを組み合わせて、制御戦略を向上させる方法を考察します。

自動運転戦略の定義に関するこのホワイトペーパーで学べる内容:

• 「学習型適応制御」などの手法を使用して、データによる既存制御の運転戦略を向上させる方法 
• 強化学習と模倣学習を使用した機械学習に基づく制御の改善 
• モデルベース制御と専門ドライバーの運転データの統合

運転戦略を定義する自動車OEMの課題

自動運転 (AD) システムと高度運転者支援システム (ADAS) 開発において最も重要な要素は安全性の確保です。ただし、高度なモデルベースの制御設計と運転戦略を用いても、クリティカルなシナリオ下での安全性を達成できない可能性があります。一方、自動車OEMにとっては、快適性、言い換えると、ADAS有効時の車両性能を乗り手がどう感じるかという点にも別の難しさがあります。ADAS機能が消費者に受け入れられるためには、乗り心地が快適であり、運転のコントロールを手放す必要がないことが条件となるでしょう。

このホワイトペーパーでは、こうした課題を克服したAVを開発するにあたり、モデルベースの運転戦略とデータ駆動型の運転戦略の両方の利点を考察します。