ニュース
Mopiの理念
「まち」はモビリティと共に成長してきました。道が延び、水路が開かれ、港がつくられると人々が集まり、「まち」が形成されました。鉄道が敷かれ、自動車道路が整備されて、まるで血管を流れる血液のように人々の移動が活発になり「まち」は発展してきました。
しかし、マイカーによる移動を前提として「まち」が形成されてきた地域では、公共交通の衰退によって多くの交通弱者が生まれています。高度成長期に開発されたニュータウンは、住民だけでなく「まち」自体も高齢化し、オールドニュータウンと呼ばれるようになってしまいました。高齢のドライバーによる事故も大きな社会問題になっていますが、マイカーという移動手段を失うと生活が困難になってしまう、社会的に排除されるという恐怖から、多くの人が免許を返納して運転を止めることができずにいます。
世界経済フォーラムの2020年1月のレポート『日本と世界の地方のモビリティの変革』は、その冒頭で「日本の地方のモビリティに対する需要の減少が、モビリティシステムに深刻な経済的負担をかけている。地方のバス会社の85％が損益分岐点を下回っている。中国地方の60%の鉄道の収益は、営業コストの50％を下回っている。この低収益性は人口密度が低いことによって引き起こされる構造的な問題であるため、鉄道事業者に運営効率の向上を促しても、本質的な問題解決にならない。人口の減少だけでも、2040年までに地方の交通収益性がさらに5-10％低下する可能性がある」という問題提起をしています。
そして、「今後10年間で過疎地域が世界中に広がるにつれて、地方のモビリティの重要性が増すだろう。新しいソリューションの開発も重要になる。日本および世界中で、地方のモビリティ市場は広く開かれており競合も少ない。そして、さらに重要なことは、ユーザーがそれを本当に必要としていることだ」と結論づけています。
私たちは、低速のEVを使用した自動運転タクシーのソリューションMopiを提供します。Mopiは、地方の人々の（生活交通）、人々による（自律的な）、人々のための（持続可能な）新しいモビリティを実現します。それは毛細血管のように、人々の移動を「まち」の隅々まで浸透させて「まち」を元気にすることができると信じています。
低速のEVに最適化した自動運転技術
Waymo、Baidu、Uberなどの多くの主要な自動運転企業は、最も過酷な環境でも信頼性が高く、手頃な価格で動作できる、究極のユビキタス自動運転車を設計および展開するための競争にしのぎを削っています。
しかし、LiDARを中心とする自動運転システムのセンサーのコストは10万ドルを超え、さらに3万ドルのコンピューティングシステムのコストが必要になります。その結果、各車両のコストが非常に高くなるということだけでなく、高精細の3Dマップの作成と保守のための高額な運用コストをどのようにカバーするかという大きな課題があります。
さらに、最先端のセンサーを使用しても、複雑な交通状況で自律走行車と人が運転する車両を共存させることは依然として危険な挑戦です。今後、センサー、コンピューティングシステム、高精細の3Dマップのコストを大幅に削減し、ローカリゼーション、認識、意思決定アルゴリズムを画期的に改善しなければなりません。
PerceptInは、地方の中山間部などの交通量の少ない限定されたエリアでの早期の実用化を目指し、LiDARを使用しないビジュアルSLAMベースの、独自の自動運転技術を開発しました。
ローカリゼーション
ステレオカメラによるビジョンシステムと慣性測定ユニット（IMU）による視覚慣性オドメトリ（VIO）によってローカリゼーション（自己位置推定）を行います。これは、アップルのAR（ARKit）でも使われている技術です。
最新のPerceptIn DragonFlyコンピュータビジョン（写真）では、ビジョンシステムとIMUが、別のコンピュータユニットを介さずにハードウェアレベルで統合され、独自のVIOアルゴリズムによって正確な車両の位置と向きをリアルタイムで検出します。
ただし、VIOには累積誤差(ドリフト)があり、車両が移動する距離が長くなるほど位置が不正確になります。この問題を解決するために、さらに、リアルタイムキネマティック（RTK）GNSSを統合してVIOの結果に対してセンサーフュージョンを実行します。
パーセプション
同時に、DragonFlyコンピュータビジョンは、PerceptInの独自の認識アルゴリズム（パーセプション）を実行して、正確な障害物の空間情報と意味（セマンティック）情報を抽出します。空間情報とは、ステレオビジョンを使用して、車両の前部の中心に対するオブジェクトの距離を検出することを意味します。意味情報とは、ディープラーニングモデルを使用して、障害物のタイプ（歩行者、自転車、車両など）を抽出することを意味します。この情報を組み合わせることで、現在の車両に対するさまざまな種類の障害物の距離を把握できます。
さらに、DragonFlyコンピュータビジョンからのアクティブな知覚結果と、レーダー（中距離）やソナー（近距離）からのパッシブな知覚結果を組み合わせて、車両の現在の周囲状況を包括的に把握します。
マップシステム
高精細の3Dマップは非常に複雑で、車線や道路だけでなく、現実世界のランドマークの意味や位置も表す1兆バイトものデータが含まれています。PerceptInは、高精細マップを最初から作成する代わりに、既存のデジタルマップ（Open Street Map）を視覚情報で拡張した、4層の高精細ビジュアルマップ（HPVM）によってデシメートルレベルの精度を実現します。
-
最下層は、Open Street Mapです。このレイヤーの解像度は約1mです。
-
2番目は路面フィーチャーレイヤーです。路面の視覚的特徴を記録して、マッピング解像度をデシメートルレベルへ向上させます。このレイヤーは、周囲が他の車両や歩行者で混雑した都市環境で特に役立ちます。
-
3番目は空間フィーチャーレイヤーであり、環境の視覚的特徴を記録します。これにより、路面フィーチャーレイヤーと比較してより多くの視覚的特徴が記録されます。このレイヤーは、田舎などの混雑していないオープンな環境で特に役立ちます。
-
最上層はセマンティックレイヤーであり、車線ラベル、交通信号灯、交通標識ラベルなどが含まれています。セマンティックレイヤーは、車両がルーティングなどの計画決定を行う際に役立ちます。
しかし、交通量の少ない限定エリアでの低速（例えば時速30km未満の）自動運転などの特定のシナリオでは、本格的な高精細マップは不要であり、自動運転を可能にする正確な車線情報（RTK GNSS による）と、そのトポロジを表すグラフベースのデータによって、既存のデジタルマップを拡張します。
1.
ビジュアル・パーセプション：ディープラーニングよるカメラ画像からの意味情報の抽出と、ステレオカメラの深度マップからの点群データの生成を行います。
2.
視覚慣性オドメトリ（VIO）：4つのカメラセンサーと慣性測定ユニットの情報を融合し、正確なオドメトリ（相対位置推定）を実行します。
3.
GPS/VIOフュージョン：GPSは自己位置推定用の優れたセンサーですが、信号を受信できないことがあります。GPSと慣性測定ユニットの情報を融合することで、GPS信号が受信できない状況でもリアルタイムの正確な自己位置推定を行います。
私たちについて
PerceptInは、2016年にシリコンバレーで創業したコンピュータビジョン技術のスタートアップです。
現在、開発拠点を中国・深圳に置き、ロボットや低速走行車両のための非常に安価な自律走行のソリューションを提供しています。