米国のHelm.aiは、現在自動運転業界の進歩を停滞させている「データの壁」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」を発表した。
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た。AIドライバーが操縦介入なしで20分間連続走行するゼロショットの実力を示している。
重要な点は、この自動操縦機能が、シミュレーションとわずか1000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だ。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ないという。
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、同社の「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構造を抽出する。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る。
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たが、Helm.aiのアーキテクチャは「意味空間」でトレーニングを行う。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だ。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る。
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1000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だ。
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る。
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に導入した。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るという。
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る。2016年に設立された同社は、Deep Teaching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る。Helm.aiは、量産プログラムにおいて、ホンダなど世界的な自動車メーカーと提携している。
