自動運転AIチャレンジの概要
今回はですね、共有してもらった資料をもとにして、AIツールを使って、自動運転AIチャレンジにどう挑戦していくか、まずはそのあたりの概要を一緒に見ていければなと、このチャレンジ気になっているあなたとか、あとはAIツールの使い方自体に興味があるあなた、きっと面白い話ができると思います。
早速なんですけど、自動運転AIチャレンジってそもそも具体的にはどういうものなんですかね。資料を見ると日本自動車技術会JSAEが主催している、結構本格的な感じがしますけど。
ええ、そうですね。これは自動運転技術の開発プロセスを体験できる競技形式になってまして、予選はシミュレーションなんですけど、本選はなんと実際のカートを使うんですよ。
へー、カートですか。それは面白そうですね。参加者はオートウェア、これオープンソースの自動運転ソフトウェアですよね。これを使って自分たちでアルゴリズムを作っていくと。そういうわけですね。
まさに。
2025年の予選ルールもなかなか具体的で、お台場のサーキット、これを模したシミュレーター上で6周のタイム、これを競うと。しかも速度上限が35kmで、超えちゃうと一時的にペナルティで5kmに。うーん、かなりリアルな制約の中でやるんですね。
そこがまた難しいところであり、面白いところでもありますね。
開発は提供されるオートウェアのコードがベースで、それを改良してオンラインで提出すると。
そうなんです。だから実際の自動運転開発のミニチュア版みたいな体験ができるのが、このチャレンジの醍醐味と言えるかもしれませんね。ベースのオートウェアが提供されて、その上でどう独自性を出すか、イノベーションを起こすかが問われるわけです。
なるほど。
そのためには、やっぱりシミュレーター環境。これが重要になってきます。Ubuntu 22.04上で動かすんですけど、AIチャレンジ用のオートウェア。オートウェアはDockerコンテナという形で提供されるんですね。
あー、Dockerですか。
これのおかげで参加者みんなが全く同じ開発環境で始められるんです。シミュレーターにはAWSIMっていうのを使って車両とかコースを再現して。
ほうほう。
そうすると、ROSの可視化ツールで、Rvizっていうのがあるんですが、これを使えばCPU版のAWSIMでも3D表現はないですけど、2Dで車の動きとかは確認できるんですよ。
ってことは、オートウェア自体はセンサーの情報とかをやり取りするための基盤、ROS2、これの上に乗っていて。
そうですね。
で、チャレンジではその環境全体がDockerっていう一種の仮想環境みたいな箱に入れられて提供されると。
そういう形ですね。なので中心になるのはやっぱりオートウェアです。
ただ、資料を読んでいると、この世界に飛び込むにはちょっと準備というか、知識が必要そうな感じもしますよね。
LinuxコマンドとかDocker、ROS。
そうなんですよ。
これだけ専門用語が並ぶと、ちょっと構えちゃう人もいるかもしれないですね。
まさにその通りで、資料でも環境構築とかデバッグの難しさみたいな点が指摘されてて、初心者の方だと、え、どこから手をつければいいの?ってなりがちかなと。
AIツール三種の神器の役割
ですよね。
そこで何というか提案されているのが、AIツール三種の神器っていう考え方なんです。
三種の神器?なんかすごい名前ですね。
これ、特定のツール名を指しているんじゃなくて、AIが果たせる役割に注目しているのが面白いポイントかなと。
なるほど。役割ですか。その三種の神器、一つずつ見ていきたいですね。
まずはAIチャット、参謀。これはどういう役割なんですか?
これはですね、24時間いつでも頼れる賢い相談役みたいなイメージです。
基本的な疑問を解消したり、アイディア出しの相手になってもらったり。
壁打ち相手にもなると。
あとはROSとかAutowareのこのモジュールってどういう概念なの?みたいな、そういう理解を深める手助けをしてくれる感じです。
なるほど。それは心強いですね。
じゃあ次はAIコードアシスタント、書記ですか。これはコーディングを手伝ってくれる?
まさに。コーディングの相棒みたいな感じですね。
定型的なコードありますよね。ああいうのを生成してくれたり、オートウェアの既存のコード、これどういう意味?ってときに説明してくれたり、
ドキュメント作るのを手伝ってくれたり。
GitHub Copilotとかそういうやつですね。
そうですそうです。ドラフト作業をすごく早くしてくれるイメージです。
でもAIが書いたコードって結局自分でちゃんと見ないと危ないじゃないですか。
それって時間短縮になってるんですかね?
それは良い指摘ですね。もちろんレビューは絶対に必要です。
ただ、定型コードとか既存コードの解説とか、ゼロから全部自分でやるテーマと比べたらやっぱり大幅に時間は短縮できるはずです。
面倒な作業を任せて、人間はもっと本質的なアルゴリズムの工夫とかそういうところに集中できる、そういうメリットがあると思います。
なるほど。使い方次第でかなり強力なスケットになりそうですね。
そして3つ目、AIエージェント、執事。これはさらに高度な感じがしますね。執事ですか?
ええ。これは複数のステップが必要になるような、ちょっと複雑なタスクの自動化を担うイメージですね。
例えば、シミュレーション環境のセットアップって結構手順が多かったりするんですが、そういうのを大まかな指示だけで計画して実行してくれるみたいな。
えー、自動でやってくれるんですか。それはすごい。
特定のデバッグ手順を実行するとか、そういうのも考えられますね。
でもそれって、何か問題が起きた時に、中で何がどうなっているのか、逆に分かりにくくなったりしません?ブラックボックス化しちゃうというか。
うーん、それも確かに的を得た懸念点だと思います。
この執事役は便利なんですけど、おっしゃる通り、中で何が起こっているか見えにくくなるリスクはありますね。
ただ、適切に使えば人間がやるには、あまりにも煩雑すぎる作業を任せられるので、より想像的な部分に時間を割けるようになる。そういう考え方ですね。
なるほど。
これら全体を対極的に見ると、これらのAIの役割分担というのは、このチャレンジみたいな複雑な課題に取り組む際の、いわゆる参入障壁ですよね。これを効果的に下げてくれる。
ふむふむ。
より多くの人が、こういう分野に挑戦しやすくなることを目指していると言えるんじゃないでしょうか。
つまり、このチャレンジ自体が、オートウェアとかROSみたいな、実際の現場で使われる技術を実践的に学ぶすごく良い機会であって、
はい。
同時に、参謀、書記、執事っていうAIの役割分担が、その複雑さを乗り越えるための、人間でいうサポートチームみたいな枠組みを提供してくれるってことですね。
おっしゃる通りです。
技術的なハードルをAIと一緒に乗り越えていくみたいな。
そういうイメージですね。資料はこの後、具体的なセットアップ手順とかに進んでいくんですけど、
はい。
でも、ここで一つ、あなたがちょっと考えてみると面白いかもしれない問いがあるんです。
ほう、何でしょう。
これらのAIツールって、単に作業を効率化するだけじゃなくて、自動運転みたいな、こういう先端分野での学び方とか、問題解決の方法そのものを、これから根本的にどう変えていく可能性があるのかっていう問いですね。
うわー、それは深いですね。
AIと一緒に学ぶのが、当たり前になる未来の学びの姿みたいなことでしょうか。
なるほど。
今回は共有いただいた資料を元に、ここまで探究してきました。
また次回、さらに深く見ていきたいですね。
