【ちょい事情通の記者】MORAI、自動運転テストのため仮想のソウル「95%現実を再現」KORIT

【ちょい事情通の記者】MORAI、自動運転テストのため仮想のソウル「95%現実を再現」

[MORAIのチョン・ジウォン］自動運転テストのための仮想ソウル作り…「95%まで現実を再現」

イーロン・マスクは2016年、「2017年末には、テスラの車は人の介入なしに完全自動運転モードでロサンゼルスからニューヨークのタイムズスクエアまで移動できるようになる」と宣言しました。もともと2018年だった計画を1年早めたのです。2019年4月に行われた記者会見で、マスクは「来年にはテスラの自動運転ロボタクシーが100万台に達すると予想している」と改めて発表します。さらに、テスラの車主が自分の自動運転車をAirbnb（エアビーアンドビー）のように貸し出し、利用料金を取る「テスラネットワーク」も構築すると語っていました。ご存じの通り、結果としていずれも実現しませんでした。マスクが言っておいて、実現しなかった技術と事業は一つや二つではないので、「マスクのハッタリ」はスルーしたとしても、自動運転技術の商用化に対する「疑問符」が大きくなっているのは現実です。意気揚々とロボタクシー(完全無人タクシー)事業を導入したサンフランシスコでは、ともすれば車両の故障や事故の事例が上がってきています。

しかし、マスクが投げかけた質問にはうなずける部分もあります。マスクはX(旧Twitter)を通じて何度も「果たして人間が自動運転車やコンピューターより安全なのか」と尋ねていました。統計的に人が起こした事故確率とテスラの自動運転モードで走行中に起きた事故確率を比較すると、人間の事故確率が圧倒的に高いのです。人間がAIより安全で正確であるとは断言できないということです。時間はかかるでしょうか、ChatGPTを皮切りにAIが急速に普及したように、ある技術的なハードルを越えれば、自動運転の時代もやってくるでしょう。どの程度AIとコンピュータに運転を任せるか、という制度的な違いに過ぎません。それを選択するのは人間の手に委ねられています。

MORAI（モライ）のチョン・ジウォン代表は「自動運転の技術的完成度は90％まで来た」と話します。残りの1～2％の余白、5％の余白を人間が許すかどうかの問題、だと。MORAIは、実際の道路で行うのが難しい自動運転テストをコンピュータシミュレーションで実現するソフトウェア技術を作り、販売しているスタートアップです。自動運転の学習と評価に必要なデータを増幅させられるよう、手助けする役割を務めています。そして、この過程で得たデータとノウハウをもとに、UAM(都心航空モビリティ)シミュレーションツール市場にも進出しました。自動運転という荒波に乗ったチョン・ジウォン代表のストーリーです。

2020年のCESに小さなブースを構えたMORAI。写真中央がチョン・ジウォン代表 /MORAI提供

1.自動運転のテストしたといっても、静かな専用道路で行っている場合も多い...複雑な道路を実現するシミュレーション

「自動運転分野でもシミュレーションツールを開発しています。シミュレーションツールは一般的に「デジタルツイン」や「開発ツール」「検証ツール」と呼ばれています。もし、物理的な自動運転のテストを現実で行う場合、実際の道路では突発的な状況が非常に多く発生します。このような突発的な状況を実際の道路でテストすると、テストは複雑で危険な部分が多くなります。MORAIはシミュレーションを通じて実際の道路を仮想化した環境を作り、テストと開発検証のためのソフトウェアを開発しています。」

「デジタルツインには、細かな機能要素でいうと、静的な環境を再現する技術、動的な環境を再現する技術、現状をモニタリングする技術、そのデータをもとに未来を予測する技術があります。MORAIは、自動車が移動する環境を仮想化し、その環境で起こるイベント - 車両の突発的な状況や、歩行者が突然割り込んでくるような状況を再現し、シミュレーションを行うことで、実車の安定性、自動運転車の安定性を確保し、検証することができるツールと言えます。」

-自動運転の環境を構築、シミュレーション環境を作るというのはどういうことですか？

「通常、空間情報データと呼ばれます。精密な道路地図、建物の3次元情報などのデータです。精密道路地図は、車線の中心線、車線、横断歩道の信号機、道路周辺の街路樹の位置まで情報が入っています。これらの情報は、自動運転車の位置を認識したり、経路を計画する際に使われます。」

-結局のところ、私たちが乗る車は実際の物理的な道路を走っています。では、試験も実際の道路環境で行ったほうが良いはずなのに、なぜ自動運転を仮想環境やシミュレーションでテストする必要があるのでしょうか。

「自動運転車の安定性を確保するためには、確率ベースの安定性確保が最も重要です。driving mileage accumulationという表現も通常よく使われ、アメリカの自動車関連機関が発行するレポートを見ると、「100万マイル走行したが、人のエンゲージメント（安全のための介入）が何度かあった」あるいは国内で「30万kmの自律走行をした」と発表します。このようなものが通常、自動運転車の信頼性を表す数値として使われています。問題は、これだけ多くの走行距離で継続的に実車を活用して、様々な状況のデータを確保することはほぼ不可能に近いということです。

実際の環境で車を運転したとしても、データを開いてみると、自動車専用道路がほとんどである場合もあります。周囲に車がなかったり、空いている道路を走ったということです。自動運転車が実生活で体感できるレベルのサービスを提供するためには、非常に複雑な都心部や夜間や悪天候時にも運行が可能でなければなりませんが、現在の自動運転車は非常に複雑な状況については、データの取得も難しく、取得できた事例も多くありません。しかし、精密な自動運転シミュレーションでは、このような環境を仮想してテストすることができます。突発的な状況や、夜間走行、雪や雨の状況、あるいは走行距離を重ねながら、想像もしなかった問題を発見し続けることができるようにするのです。」

2.車両の機械的特性、半導体もシミュレーションで構成...雨の夜道まで再現可能

-例えば、道路の突発的な状況、環境を細かく表現するのは難しいと思うのですが、シミュレーションでは実際の道路のそうした細かい状況をどのように表現しているのでしょうか？

「自動運転シミュレーションが再現すべき対象には、機械的な実車と動力学モデル、周辺環境の複雑さ、自動運転車に搭載されるセンサーなどがあります。自動運転車の構成要素は、認知、判断、制御の3つの段階を経ます。認知段階では、歩行者や車両周辺の車両をよく認識しなければならず、この時使用されるセンサー - カメラ、LiDAR（ライダー）、レーダーのようなセンサーがシミュレーション環境で実際のセンサーと同じ出力値を出すようにしなければなりません。

車両の場合、シミュレーションで動く車の挙動特性が実際の車と同様かどうかを確認します。突発的な状況とよく挙げられる突然のナイフ攻撃のような状況、子供たちが割り込んでくるような状況が、シミュレーションでどれだけリアルに近いかをモデリングしています。」

-実際の道路環境をシミュレーションするための、ある種の標準化された手順や公式があるわけですね。

「車両制御の段階では、様々な実験方法があります。ISO規格でも、ダブルレーンチェンジ、緊急ブレーキ、急発進など、様々な標準化された試験を通じて、実際の車両の挙動特性と仮想車両の挙動特性がどれほど同じかを見るようなメトリックがあります。夜間や雨の環境で取得したデータと実際のセンサーデータがどれだけ同じかを測定するメトリックもあります。京畿道華城（キョンキド　フェソン）にある交通安全公団の自動車安全研究院(KATRI)、K-Cityに気象環境再現施設があります。ここでは、照度を調整したり、降水量や霧の量などを調整しながら、ADAS（先進運転支援装置、いわゆる半自動運転と呼ばれる機能）をテストします。センサーモデルがどれほど正確かをテストしながら、数学的にモデリングも行います。実際の道路のさまざまな環境をテストし、そのデータを取得する作業には、すでに具体的なプロセスが用意されているのです。」

-それでは、車は？車にも使われる部品が異なり、例えばテスラのような場合は、独自の自動運転半導体を搭載しており、LiDARなしでカメラだけで自動運転を行います。メーカーやモデルによって、車両の物理的な特性や性能も異なります。これらがシミュレータに反映され、再現されなければならないと思いますが。

「最近の半導体設計を見ると、ファブレス企業が実際の物理的な半導体を作りながら設計しているわけではありません。Synopsys（シノプシス）のVirtualizer（バーチャルライザー）というツールを使って、回路を仮想的に設計し、検証まで行い、物理的な試作品製造に入ります。それだけ仮想ツールが進化したということですね。自動車の頭脳となる半導体、ECU(Electronic Control Unit)も最近ではバーチャルECUを作ってテストしています。車両の物理的な動力装置、アクチュエーターやモーターを仮想部品で構成して一つの車を作ることができるツールもあります。コントローラーやセンサーまで、すべてが仮想で検証可能なレベルで実現可能です。」

-道路の精密な地図、細かな道路情報を収集するのも簡単ではないと聞きました。HYUNDAI（現代自動車）グループの場合、別途会社(HYUNDAI AutoEver（現代オートエバー）)があり、海外でも精密地図事業で数千億単位の売上を上げていましたが。自動運転シミュレーションを構成するためには、地図データも確保する必要があります。

「自動運転技術の初期は、精密地図データが少なかったりして、非常に重要でした。今では比較的精度の高い地図データを構築することはほぼ一般的なことになりました。政府レベルでは、国土交通省の国土地理情報院は、全国の主要な自動運転試験走行地区の精密地図を構築して民間に提供する役割を果たしています。精密地図のデータ収集は時間とコストがかかるものですが、技術的に困難や限界があるわけではありません。

以前は車で移動しながらデータを収集していましたが、最近では軽飛行機や航空機を飛ばしてデータを収集することも増えています。MORAIはNAVER LABS（ネイバーラボ）と協業していますが、NAVERにはロボットが精密地図データを収集し、車両単位を超えて航空機で建物の外観や都市スケールの情報まで収集する技術があります。NAVERと一緒に日本のソフトバンクとコラボプロジェクトをしたこともあります。日本の東京をデジタルツインし、シミュレーション環境を作りました。道路のデジタルツインとシミュレーションの構築は、海外でもよく応用されています。」

MORAIのシミュレーター/MORAI提供

3.現実との類似度は90～95%...プロセス精緻化する自動運転シミュレーション

-シミュレーションには高い精度が必要とされます。仮想環境で自動運転車をテストしたものと実際の環境との類似性が有意に高くあってこそ、活用できるでしょう。MORAIの技術力はどの程度なのでしょうか。

「現在のところ、MORAIシミュレーションと現実の類似度は90～95%程度と見ています。評価指標や基準によって、この数字が違ってくることもあります。弊社製品を使用している顧客から、検証した結果、最大95%まで（現実と）類似しているという報告を受けたことがあります。もちろん、完全な自動運転を含め、当社の製品もまだまだ開発、発展の段階だと考えています。最終的には100％が目標です。」

-シミュレーションをメーカーや部品会社に有利な方向で設定することも可能なのではないでしょうか？つまり、実際の道路の環境では操作が制限されますが、シミュレーションでは簡単に行うことができるので、信頼性に対する疑念が大きくなる可能性があります。

「国連傘下のUNECEではNATM(New Advanced Testing Methods)を開発しています。NATMがガイドラインとして制定され、OEMはこのガイドラインに沿って開発をしている状況です。NATMの核心は、仮想試験環境でのテスト、プロービンググラウンド(Proving Ground、PG)でのテスト、少し制限された都心環境でのテスト、このような3段階の検証を経なければ、自動運転車の機能を認証して発売することはできません。すでに細かな法制化が進んでいる段階です。単にシミュレーション開発が便利で、効率的であるという段階を超え、必ずシミュレーションをしないと自動運転機能をリリースできないという手順へと発展しています。」

-MORAIのシミュレーターに韓国の道路環境、デジタルツインはどの程度構築されていますか。

「全国の自動運転試行区域をMORAIシミュレーションに実装しました。全国の都市ごとに自動運転の試験運用区域が決まっているんです。あるいは、顧客が希望する地域を選択してテストを提供することも可能です。特にMORAIデジタルツインが最もよく構築されているのはソウル市です。ソウル市上岩洞（サンアムドン）に自動運転モビリティセンターがあります。上岩洞（サンアムドン）、江南（カンナム）区の一部地域、そして清渓川（チョンゲチョン）と青瓦台（チョンワデ）のバス専用車線など、現在自動運転サービスが可能なすべての地域についてMORAIデジタルトレーニング技術で管制も行い、シミュレーションできるようにしています。」

-MORAIの事業は韓国だけを対象にしているのですか？

「海外にも顧客がいます。日本の最大のパートナーはソフトバンクです。アメリカではミシガン大学で自動運転技術を研究し、自動運転試験を運営する機関と協力しています。カーネギーメロン大学、ジョージア工科大学などの機関と研究開発を行い、大学の技術をMORAIシミュレーションに搭載する形で協力しています。アメリカは自動車だけでなく、UAMの方でも事業を行い、機体製作会社を対象に航空機シミュレーションを提供しています。ヨーロッパでも主要な部品会社や企業とプロジェクトを進めています。」