機械学習が自動運転分野に、IMECが開発を加速：センサーフュージョンシステムの一部に

28nm CMOSプラットフォームは自動車レーダーには適さない？

　また、パターン認識や自動学習向けのアルゴリズムを使用することで、速度情報を抽出するために必要な信号処理をさらに向上させることが可能だ。このためVan Thillo氏は、「レーダーのドップラーシグネチャによって、歩行者や自転車、自動車などの特徴を認識し、区別することができるようになる」と予測している。

　ミリ波知覚システム担当プログラムマネジャーを務めるMassimiliano Maranella氏は、「28nm CMOS技術を再び適用し、シミュレーションを行ったところ、少なくとも信号が十分に使えるレベルにあることが分かった」と述べる。しかし同氏は、28nm CMOSプラットフォームが長距離（300m）の自動車レーダーには適さないことを認めている。

　同氏は、「バンパーに使われているプラスチックや金属塗装が、140GHz帯のエネルギーを吸収してしまうという、複雑な状況が生じる」と述べる。

　しかし、140GHz帯は、短距離のジェスチャー認識システムで使用することができるが、その学習機能に関しては、自動車をはじめとする幅広い知覚システムに拡大することが可能だという。

　例えば、このような機械学習レーダーは、センサーフュージョンシステムの一部として機能させることにより、目視とレーダーとを組み合わせ、優れた識別性能を実現することができる。しかしVan Thillo氏は、「台頭しつつあるコネクテッドカーの最大の利点は、自動車がフリートラーニング^＊）によるメリットを享受できるという点にある」と指摘する。個々の自動車よりもはるかに迅速に危険を認識し、それに対応するための方法を学習することが可能になる。

＊）Tesla Motorsが開発している機能で、自動運転車のユーザーがクラウドにアップしたデータを、他のクルマの自動運転システムが利用できる仕組み。

【翻訳：田中留美、編集：EE Times Japan】