[画像: https://prcdn.freetls.fastly.net/release_image/140305/10/140305-10-087dd30e1e1d3afd9ae73639a24a1c18-1920x1080.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
ビジョン（カメラ映像）のみを使用するAIドライバーが、カリフォルニア州トーランスの複雑な街路を「ゼロショット」で走行。
カリフォルニア州レッドウッドシティ - ADAS（先進運転支援システム）、レベル4自動運転、およびロボット工学自動化向けAIソフトウェアのリーダーであるHelm.aiは本日、現在自動運転業界の進歩を停滞させている「データの壁（Data Wall）」を打破するために設計された新しいアーキテクチャフレームワーク、「Factored Embodied AI」を発表しました。
[動画: https://www.youtube.com/watch?v=Ho8Kps6jwc4 ]
業界全体が、運転の物理法則を一から学習するためにペタバイト級のデータを必要とする巨大なブラックボックス型「エンドツーエンド（End-to-End）」モデルの構築を競う中、Helm.aiはスケーラブルな代替案を実証しました。本日、同社はビジョン（カメラ映像）のみを使用するAIドライバーが、カリフォルニア州トーランスの複雑な街路を「ゼロショット」で走行するベンチマークデモを公開しました。このAIドライバーは、それらの特定の道路を一度も走行したことがないにもかかわらず、車線維持、車線変更、そして都市部の交差点での右左折に成功しました。AIドライバーが操舵介入なしで20分間連続走行するゼロショットの実力は、こちらの動画でご覧いただけます：www.helm.ai/zeroshot-autonomous-steering
重要な点は、この自動操舵機能が、シミュレーションとわずか1,000時間の実走行データのみを使用してAIをトレーニングすることで達成されたということです。これは、モノリシックなエンドツーエンドのアプローチが必要とするデータ量のほんの一部に過ぎません。
Helm.aiのCEO兼創設者であるVladislav Voroninskiは次のように述べています。「自動運転業界は『収穫逓減（diminishing returns）』の地点に達しています。モデルが向上するにつれて、改善に必要なデータは指数関数的に希少になり、収集コストも高騰しています。私たちは運転タスクを因数分解することで、この『データの壁』を打ち破ろうとしています。ノイズの多いピクセルから物理法則を学ぼうとするのではなく、当社の『Geometric Reasoning Engine（幾何学的推論エンジン）』は、まず世界のクリーンな3D構造を抽出します。これにより、人間のティーンエイジャーが数年ではなく数週間で運転を覚えるのと同じように、車両の意思決定ロジックをシミュレーション内でかつてない効率でトレーニングすることが可能になります。」
この新しいアーキテクチャは、以下の主要な技術的進歩を通じて、業界の効率性の壁を打ち破ります。
- シミュレーターのギャップを埋める（Bridging the Simulator Gap）： 従来のモデルは視覚的な差異によりシミュレーションでのトレーニング結果を実世界に適用することに苦労していましたが、Helm.aiのアーキテクチャは「意味空間（Semantic Space）」でトレーニングを行います。これは、グラフィックスではなく幾何学とロジックに焦点を当てた、世界を簡略化したビューです。ピクセルではなく道路の構造をシミュレートすることで、無限のシミュレーションデータでトレーニングを行い、即座に実世界で機能させることができます。
- 1,000時間のベンチマーク（The 1,000-Hour Benchmark）： この幾何学的シミュレーションを活用することで、Helm.aiのプランナーは、わずか1,000時間の実走行ファインチューニングデータのみを使用して、堅牢なゼロショットの都市部自動ハンドル操作を実現しました。これは完全自動運転への資本効率の高い道筋を提供するものです。
- 行動モデリング（Behavioral Modeling）： 加速、減速、および複雑な相互作用に対処するため、Helm.aiはそのワールドモデル（World Model）機能を活用して歩行者や他の車両の意図を予測し、密集した交通状況下での安全なナビゲーションを可能にしています。
- ユニバーサルな認識能力（Universal Perception）： 認識レイヤーの堅牢性を検証するため、Helm.aiはその車載ソフトウェアを露天掘り鉱山（Open-Pit Mine）に導入しました。極めて高いデータ効率により、システムは走行可能な路面と障害物を正確に特定し、このアーキテクチャが道路だけでなく、あらゆるロボット環境に適応できることを証明しました。
このアーキテクチャは、自動車メーカーに重要な戦略的優位性をもたらします。競合他社がトレーニングデータの収集に既存の大規模なフリート（車両群）に依存しているのに対し、Helm.aiのアプローチにより、自動車メーカーは既存の開発用フリートを使用してADASからレベル4の機能を展開でき、参入障壁となる莫大なデータ要件を回避できます。
Voroninskiはさらに次のように付け加えました。「私たちは、力ずくのデータ収集の時代から『データ効率』の時代へと移行しています。LAの高速道路であれ、鉱山の運搬路であれ、幾何学（ジオメトリ）の法則は一定です。当社のアーキテクチャはこの普遍的な幾何学を一度解決することで、あらゆる場所への自動運転の展開を可能にします。」
Helm.aiについて
Helm.aiは、L2/L3 ADAS、L4自動運転、およびロボット工学自動化向けのAIソフトウェアを開発しています。2016年に設立された同社は、Deep Teaching(TM)と生成AIを活用し、実車展開向けのフルスタック運転ソフトウェアおよびシミュレーションツールを提供しています。Helm.aiは、量産プログラムにおいて世界的な自動車メーカーと提携しています。
