ソリューション
自動運転／ADAS 学習・検証ソリューション
高品質なリアルタイム3DCGで、自動運転・ADAS開発の学習と検証を加速
高品質な3DCGによる仮想環境で、多様な走行シナリオを再現。学習用シーンの生成やシミュレーションを通じて、実環境では難しい条件下での学習・検証を効率的に実現し、開発の高度化と迅速化を支援します。
自動運転およびADAS開発における課題と解決アプローチ
自動運転およびADAS開発では、学習データの準備や多様なシナリオの再現、検証環境の表現力、開発効率の向上といった複合的な課題が存在します。こうした課題に対し、高品質なリアルタイム3DCGとシミュレーション技術を活用することで、柔軟な環境構築とデータ生成を実現することが可能です。
-
学習データの準備に時間とコストがかかる
実写データの収集やアノテーション作業には多大な工数が必要で、必要十分な量とバリエーションを確保することが難しい。
-
多様な走行シナリオを再現できない
天候変化や事故、レアケースなど、実環境では再現が難しい状況を十分に用意できず、検証の網羅性に課題がある。
-
シミュレーション環境の表現力が不足
既存環境では視覚的な再現性や細かな条件設定に限界があり、AI学習や評価に必要なシーンを柔軟に構築できない。
-
検証プロセスの効率が上がらない
条件の変更や繰り返し検証に時間がかかってしまい、開発サイクルの高速化を阻害している。
-
リアルタイム3DCGで学習データの収集を効率化
アノテーション付きの学習シーンを3DCGで生成することにより、大量のデータを短期間で用意し、教師データの収集を効率化します。
-
仮想空間で多様なシナリオを再現
天候・時間帯・交通状況・レアケースなどを自在に再現し、検証の網羅性と再現性を高めます。
-
高品質3DCGによるリアルな環境構築
独自アセットライブラリーにより、標識や車線のかすれ・劣化など経年変化も再現。都市環境や道路構造を現実に近く表現し、AI学習や検証に適した環境を提供します。
-
反復検証の高速化
シミュレーション環境の活用により条件変更や繰り返し試験を効率化し、開発スピードの向上に貢献します。
リアルタイム3DCGで実現する学習・検証環境
自動運転／ADAS学習・検証ソリューションは、高品質なリアルタイム3DCGとシミュレーション技術を活用し、自動運転およびADAS開発における学習・検証環境を提供します。
仮想空間上に構築した走行環境では、天候や時間帯、交通状況など多様な条件を柔軟に再現可能です。アノテーションの自動生成や各種カメラシミュレーションにより、機械学習に必要なデータを効率的に生成・取得。既存シミュレーターとの連携にも対応し、開発資産を活かしながら検証の高度化と効率化を実現します。
自動運転・ADAS学習・検証ソリューションの強み・特徴
FEATURE 01
高品質な3DCGによる走行環境の再現
ゲームエンジンを活用し、都市環境や道路構造、天候変化などを高品質に再現。独自の市街地アセットライブラリーにより、建物や標識、車線のかすれ・劣化といった経年変化も表現可能で、現実に近い多様なシーンを柔軟に構築できます。これにより、AIの認識や判断ロジックの検証に最適な環境を提供します。
FEATURE 02
アノテーション自動生成で学習効率化
セマンティックセグメンテーション用のアノテーションを自動生成することが可能です。人手によるラベリング作業を削減し、多様な条件で学習データを効率的に作成できます。
FEATURE 03
柔軟なカメラ・センサー条件の再現
魚眼カメラや超広角レンズなど、実機に近い撮影条件をシミュレーションすることができます。ライティングや天候、視点の違いも細かく設定可能です。さまざまなセンシング条件下での検証を支援します。
FEATURE 04
既存環境との連携による拡張性
各種シミュレーターや解析ツールと連携し、計算結果の可視化やリアルタイム連動を実現。既存の開発資産を活かしながら、表現力や検証環境を拡張できます。
FEATURE 05
幅広い開発領域への対応
自動運転・ADASに加え、ドライバーモニタリングやSLAMなど、用途に応じた学習・検証環境を提供。AI開発全体を支援します。
活用シーン
USE CASE 01
自動運転AIの学習用データ生成
仮想空間で多様な交通状況や天候、昼夜条件を再現し、センサー入力用の教師データを効率的に生成
例：都市部の混雑交差点や雨天・夜間の走行シーンを短時間で用意
USE CASE 02
ADAS機能の検証・シナリオテスト
予期せぬ状況や事故シナリオを再現し、衝突回避や車線維持などの機能を安全に評価
例：歩行者飛び出しや急停止車両などのレアケース検証
USE CASE 03
センサー・カメラ条件の評価
魚眼カメラや超広角レンズなど、実車では取得が難しいカメラ条件での認識精度を検証
例：360度カメラやドローン視点での障害物検知テスト
USE CASE 04
ドライバーモニタリング（DMS）のAI学習
年齢・性別・表情・遮蔽物の違いを3DCGで再現し、顔認識や骨格検出AIを学習させることで自動運転やADASの安全評価やNCAP対応の検証に活用可能
よくあるご質問
はい。当社が提供したお客様のPoCにおいて、3DCGと実写を比較した場合の認識率が同等であることが確認されています。実写データと組み合わせることで、多様性を確保した学習が可能です。
SCANeR studio、CARLA、PTV Vissim、MATLAB/Simulinkなど、既存のドライビングシミュレーターや解析ツールとの連携に対応しています。計算結果の可視化やリアルタイム連動も可能です。
自動運転・ADASの学習・検証をはじめ、ドライバーモニタリングや画像認識、SLAMなど幅広い分野で活用できます。研究開発から評価まで、多様な用途に対応可能です。