塚田研究室の博士課程2年生であるYun Liさんと、博士課程1年生のYuze Jiangさんが、2024年9月24日から27日にかけてカナダ・エドモントンで開催されたIEEE ITSC 2024国際会議に参加しました。第27回IEEE国際インテリジェント交通システム会議(IEEE ITSC 2024)は、IEEEインテリジェント交通システム協会(ITSS)が主催する代表的なイベントで、世界中の研究者がインテリジェント交通システム(ITS)の進展を共有する場となっています。
Yun Liさんの発表:
Yun Liさんは、「人間のような自動運転意思決定のための大規模言語モデル:調査」というタイトルの論文を発表しました。この研究は、大規模言語モデル(LLM)が自動運転(AD)の分野に与える可能性に焦点を当てています。LLMは、言語理解および生成能力に優れたAIモデルであり、より人間に近い自動運転システムへの道を切り開くことが期待されています。ADがルールベースや最適化ベースの手法から、深層強化学習のような学習ベースの技術に進化する中、LLMを活用した知識ベースのADへの移行は重要な進展を意味します。Yunさんの調査では、LLMをモジュラーADパイプラインおよびエンドツーエンドADシステムに適用するための最新の進展を批判的にレビューし、リアルタイム推論、安全性の確保、導入コストといった課題に取り組んでいます。また、主要な進展を特定し、今後の研究方向性を提案することで、より安全で、知能的で、人間中心のAD技術の開発を促進することを目指しています。
さらに、Yun LiさんはITSC 2024の期間中に、以下の3つのワークショップで活発に議論に参加しました:
- 第1回FMADワークショップ – 自動運転のための基盤モデル
- 第2回 大規模言語およびビジョンモデルを用いた自動運転ワークショップ(LLVM-AD)
- ビジョン言語モデルに基づく人間中心の自動運転ワークショップ
Yuze Jiangさんの発表:
Yuze Jiangさんは、「LiDAR装備の道路インフラを利用した正確な協調的自己位置推定」というタイトルの研究を発表しました。この研究では、路側ユニット(RSU)と車両とインフラ間通信(V2I)を組み合わせることで、自動運転車の自己位置推定の精度と信頼性を向上させる方法について探求しています。近年のLiDAR技術の進展により、センチメートル単位での位置推定が可能となりましたが、地図上の識別可能な特徴が少ない環境では従来の自己位置推定手法は信頼性に課題があります。Yuzeさんのアプローチは、RSUを安定した参照点として利用し、困難な環境下での位置推定精度を向上させます。エンドツーエンドの自動運転シミュレーター(AWSIM)を用いた評価結果によると、この手法は従来の手法と比較して最大80%の精度向上を実現し、ネットワーク遅延やパケットロスにも強い耐性を示しています。この研究は、従来の手法が十分に機能しないシナリオにおいて、より信頼性の高い自動運転システムの実現に貢献します。