はてなブックマーク

はじめまして、ティアフォー技術本部 Planning / Controlチームで開発を行っている堀部と申します。 今回は状態推定の王道技術「カルマンフィルター」が実際に自動運転で用いられるまでの道のりやノウハウなどを書いていこうと思います。 みなさんはカルマンフィルターという言葉を聞いたことがありますでしょうか。 カルマンフィルターとは「状態推定」と呼ばれる技術の一種であり、自動運転においては現在の走行状態、例えば車速や自分の位置を知るために用いられます。 非常に有名な手法で、簡単に使えて性能も高く、状態推定と言えばまずカルマンフィルターと言われるほど不動の地位を確立しており、幅広いアプリケーションで利用されています。 使い勝手に定評のあるカルマンフィルターですが、実際に自動運転のシステムとして実用レベルで動かすためには多くの地道な作業が必要になります。 この記事では、カルマンフィルターが

こんにちは、ティアフォーエンジニアの村上です。 今回は、 読み解くNDT Scan Matchingの計算 [前編] - Tier IV Tech Blog の続きとして、自動運転位置推定のターニングポイントとなった、Scan Matchingによる高精度自己位置推定技術の華、NDT Scan Matchingを読み解いてみようと思います。 まだの方は、前編もあわせてぜひご覧ください。 tech.tier4.jp なお、ティアフォーでは、「自動運転の民主化」をともに実現していく様々なエンジニア・リサーチャーを募集しています。もしご興味があればカジュアル面談も可能ですので以下のページからコンタクトいただければと思います。 tier4.jp Scan Matchingのスコア計算へ 復習になりますが、LiDAR点(ここではSourceと呼びます)とMap点(ここではTargetと呼びます)との

こんにちは、ティアフォーのSafety Engineerの須永です。 ティアフォーの安全への取り組みを数回にわたって紹介していくシリーズ。時間がたってしまいましたが今回は第3回目になります。 1回目は法律・ガイドラインについてでした。 tech.tier4.jp 2回目は安心・安全についてでした。 3回目の今回は自動車のサイバーセキュリティについての取り組みを説明していこうと思います。 なお、ティアフォーでは、「自動運転の民主化」をともに実現していくサイバーセキュリティエンジニアを絶賛大募集しています。自動車および自動運転のサイバーセキュリティは最先端、かつ広域にわたる知識が必要になってきます。我こそは、という方が居ましたら、気軽にカジュアル面談からでも対応しますので是非応募ください。 自動車のサイバーセキュリティと安全 自動車へのサイバー攻撃の現状 自動車サイバーセキュリティのルール化

こんにちは、ティアフォーでベクターマップの作成ツールの開発をしている浦本と申します。今回は、Autowareで使われている地図の中でも、特にベクターマップとその作成ツールについてお話しようと思います。 なお、ティアフォーでは、「自動運転の民主化」をともに実現していく様々なエンジニア・リサーチャーを募集しています。もしご興味があればカジュアル面談も可能ですので以下のページからコンタクトいただければと思います。 tier4.jp 自動運転の地図 点群地図とベクターマップについて Lanelet2について Point LineString Polygon Lanelet Area RegulatoryElement Vector Map Builderの紹介 まとめ 自動運転の地図 点群地図とベクターマップについて Autowareで使われる地図には、自己位置推定のための点群地図と、その地図上の

はじめに こんにちは！ティアフォーの片岡と申します。 本日は、ティアフォーのSimulation Teamで開発してきたシナリオテストフレームワークであるscenario_simulatorをApache-2.0ライセンスでOSS（オープンソースソフトウェア）とした件についてお話します。 github.com また、ティアフォーでは「自動運転の民主化」をともに実現すべく、ロボット技術、ゲームエンジンを使った開発等幅広い分野に知見を持ったSimulation Engineerを募集しております。 自動運転のSimulator開発は、バグの少ない高品質なコードを書くのはもちろんのこと、三次元幾何や統計、はてはプログラミング言語開発まで様々な知識が要求される分野であり、広く深く様々なことをやってみたい方には非常にマッチするポジションであると思います。 もし興味等ございましたら以下のページよりコン

はじめに こんにちは、機械学習の活用を加速させるために学習インフラの開発やワークフロー自動化に取り組むチームに所属している澁井です。今回は自動運転のためのデータ検索基盤を自作した話を書きます。 なお、ティアフォーでは「自動運転の民主化」をともに実現していくエンジニアを募集しています。今回ご紹介する機械学習だけではなく、様々なバックグラウンドをお持ちの方と開発を進めていく必要があります。下記ページから募集職種のリストをご覧いただき、興味を持った方はぜひお気軽にご連絡ください！ はじめに 課題 検索システムをどのように作るか どのくらいの期間で作ったか もっと検索できるようにしたいデータがあった まとめ さて、ティアフォーでは自動運転に機械学習を活用しています。主な機械学習の用途は画像や動画データを扱った認識技術への応用です。 機械学習では意味づけ（アノテーション）されたデータが大量に必要とな

こんにちは、ティアフォーでパートタイムエンジニアをしている石川です。 本記事では、楽に「動的ライブラリ(及び実行バイナリ)の特定の関数をフックして何かしらの処理をする」手法について紹介していきます。 この記事は、同じくパートタイムエンジニアの西村さんによる作業の成果を元にして、石川が執筆したものです。ソースコードや図のいくつかも西村さんによる貢献です。 また、ティアフォーでは「自動運転の民主化」をともに実現していく、学生パートタイムエンジニアを常時募集しています。自動運転を実現するためには、Softwareに関してはOSからMiddlewareそしてApplicationに至るまで、Hardwareに関してはSensorからECUそして車両に至るまで異なるスキルを持つ様々な人々が不可欠です。もしご興味があれば以下のページからコンタクトいただければと思います。 https://tier4.j

こんにちは、ティアフォーでフロントエンド開発を担当している田上です。 ティアフォーでは先日ご紹介したSREの信頼性への取り組みの一つとして、少人数でも信頼性が高く、効率的な開発ができるように技術選定会を実施しています。 今回は、最近技術選定会で取り上げた「Point cloud data(PCD)のように大きなサイズのデータを含んだROS TopicをAWS CloudからWebブラウザに転送する」仕組みと技術選定会の様子についてお話したいと思います。 なお、今回ご紹介するようにティアフォーには新しい技術や技術的なチャレンジを良しとする雰囲気、エンジニアの興味や好奇心を満たせる環境があります。ぜひ以下のページから募集職種のリストを見ていただき、興味を持った方は応募をしていただければと思います。 herp.careers 背景 Autowareを使った自動運転車両は車両に搭載したLiDARを

こんにちは、ティアフォーでパートタイムエンジニアをしている佐々木です。 今回はLinuxに搭載されているスケジューラの一つ、SCHED_DEADLINEについて紹介していきたいと思います。自動運転には多数のクリティカルタスクがあり、自動運転の安心・安全をしっかりと確保するためにはこのスケジューラを上手に設定することでこれらのクリティカルタスクが効率的にまた互いにコンフリクトすることなくリアルタイムに処理されることを担保する必要があります。なお、この記事で紹介するコードはLinuxカーネル5.4.0 (Ubuntu 20.04 LTSのベースカーネル) を元としています。 また、ティアフォーでは「自動運転の民主化」をともに実現していく、学生パートタイムエンジニアを常時募集しています。自動運転を実現するためには、Softwareに関してはOSからMiddlewareそしてApplication

こんにちは、ティアフォーで自動運転システムを開発している木村と斉藤です。今回は2020年11月から12月にかけて行った西新宿における自動運転の実証実験の概要と振り返りをご紹介します。 なお、ティアフォーでは、自動運転の安心・安全を確保し「自動運転の民主化」をともに実現していくため、様々なエンジニア・リサーチャーを募集しています。もしご興味があれば以下のページからコンタクトいただければと思います。 tier4.jp ティアフォーにおける自動運転の実証実験について 私たちが行う実証実験の目的は、お客様へのデモンストレーションから、新しい自動運転技術への挑戦、新たなオペレーション手法の検証などなど多岐にわたりますが、いずれも実証実験毎にそれぞれ具体的な目的を定めています。 今回の実証実験はビジネス視点ではサービスとしての成り立ちを見るための観点から行われましたが、私たち自動運転エンジニアとしての

こんにちは、ティアフォーでSREを担当している宇津井です。 2019年9月にSite Reliability Engineering(SRE)として入社して以来行ってきたことをざっと振り返った上で、自動運転の社会実装においてWeb系のエンジニアには何が求められるのかという答えを探っていきたいと思います。スタートアップ企業でどのようにSREの文化を作っていくのかという面でも何かの参考になるのではないかと考え筆を取っています。 と言いつつも重要なことなので最初に書いておきますが、ティアフォーのSREは私が一人目で入社して以来専任としてはずーっと一人でその役割を担ってきました。ようやく一緒に働く方を募集できる状態になりました。そのような背景もあってこのエントリーを書いています。もしご興味がある方は以下のCareersページからご連絡をお待ちしております。 tier4.jp ※SRE編とタイトルに

こんにちは、ティアフォーで自動運転システムを開発している川端です。 今回はシステムの性能限界検知と環境センシングに関する取り組みの一部をご紹介します。 １、自動運転レベルとODDによる走行条件定義 【自動運転レベル】 自動運転のレベルはSAEの定義に沿う形で０から５までの６段階に分けられることが主流となっています*1。そのうち、レベル３以上の定義は以下のようになっています。 レベル３（条件付運転自動化） 運転自動化システムが全ての動的運転タスクを限定領域において持続的に実行。この際、作動継続が困難な場合への応答準備ができている利用者は、他の車両のシステムにおける動的運転タスクの実行システムに関連するシステム故障だけでなく、自動運転システムが出した介入の要求を受け容れ、適切に応答することが期待される レベル４（高度運転自動化） 運転自動化システムが全ての動的運転タスク及び作動継続が困

皆さんこんにちは、ティアフォーでSimulationチームに所属している織田です。 先日、「Unity for Industry」と言うウェビナーで、人生初の大勢の前(?)で話す実績を解除しました。 今回のTech Blogでは、その際にお話した事と紹介しきれなかった部分を書こうかと思います。 Unityだから出来た自動運転車両の設計を加速させた話 Unity for Industryではこのタイトルでお話をしました。 お話をかいつまみますと 自動運転で使用するセンサの構成の検証が大変。 検証が可能な場所の用意や、取れるデータを推測しながら構成しなければならなかった。 上記の点を調整して、目的のデータが取れなければ再度構成の見直しを行う。 Unity/LGSVL-Simulatorを使用すれば、場所もデータ取りもシミュレーション可能になる。 作ってみた。Unityだったので割と早めに実現で

こんにちは、ティアフォーのSafety Engineerの須永です。 ティアフォーの安全への取り組みを数回にわたって紹介していくシリーズの今回は第２回目になります。第１回目については以下をご参照下さい。 tech.tier4.jp 最近、社内では機能開発に向けた実車機能テストが増えてきています。公道での実験もあることから、より一層、安全意識を持った実験を行う必要が出てきています。そこでティアフォーでは安全に関する社内の勉強会を隔週で開き、社内における安全意識と知識の醸成を図っています。 そのような取り組みの中で今一度初心に帰り、「安心・安全って何だろう？」ということの確認と自動運転の安全を確保していくための私達のアプローチを確認しました。今回の記事では、その内容をお伝えしようと思います。 そもそも安心・安全ってなに？ ティアフォーの中でも安心・安全の議論はよくされます。しかし人によって言葉

こんにちは、Tier IVでMLOpsを担当している澁井（しぶい）です。 Tier IVには2020年9月に入社して、現在社歴2ヶ月です。Tier IVでは自動運転のための機械学習システムとオペレーションを開発しています。MLOpsでは機械学習のパイプライン開発から基盤構築、運用までをエンドツーエンドに行うのですが、MLOpsエンジニアは現状私一人で、寂しく気ままに開発しています。 前職ではECの会社でMLOpsとEdge AIを担当していました。基盤の一部にAWSのKubernetesマネージドサービスであるEKS (Elastic Kubernetes Service) を使っていたのですが、退職直前の2020年7月にそのKubernetesクラスターを再構築しました。2年越しで使っていたKubernetesクラスターが2クラスターあり、Kubernetesのコンポーネントがいろいろと

はじめまして、ティアフォーでパートタイムエンジニアをしている村松です。 今回は、AutowareのPerceptionモジュールにおけるObject Recognitionを改善するために調査した内容について紹介します。 Autowareのアーキテクチャの詳細については過去の記事をご覧ください。 tech.tier4.jp 論文紹介 Pseudo-LiDAR PointFusion Frustum PointNets PointPainting さいごに 論文紹介 今回は、カメラ画像のみまたはカメラ画像とLiDAR点群の両方を活用した３次元での物体検出の論文を４つ紹介します。 Pseudo-LiDAR まず最初に紹介するのは、カメラ画像のみを使って３次元物体検出をする手法です。この手法は、CVPR2019で採択された論文*1で、現在Teslaでも使われています。Teslaの取り組みについて

こんにちは、ティアフォーの伊藤です。 コロナで自粛中、テレワークに励んでいますが、つい時間を忘れて稼働時間が長くなってしまう今日この頃です。 私はAutowareのプラットフォーム開発を担当していまして、OSやROSといった低レイヤーの部分を中心に見ています。今回はそのOSの部分についてお話したいと思います。 さて、現在Autowareが公式にサポートしているOSはUbuntuになります。 Ubuntuはフリーで使用できる、とても有名なLinuxディストリビューションです。Autowareが研究段階の時から使用されています。 しかしながらAutowareを実用化するにあたり、今までなんとなく使ってきたUbuntuをこのまま使用し続けてよいのか、という議論がありました。 Linuxのディストリビューションには3つの流派があります。 Red Hat系(Red Hat, CentOS, Fedo

こんにちは。ティアフォーでWebサービス開発を担当している池谷です。 世の中はコロナで自粛モードが続いていますが、ティアフォーではリモートワークを活用し日々の業務に柔軟に取り組んでいます。 さて、私の所属するWebチームでは、オープンソースの自動運転OS「Autoware」を利用した多種多様なサービスを開発しています。その中でも代表的なサービスに「FMS」という運行管理サービスがあります。今回は、当サービスを開発してきた振り返りとして、主にドメイン駆動設計によるアーキテクチャの最適化に纏わるトピックについてお話したいと思います。 What's FMS? ティアフォーのFMSの注目機能 オンデマンド配車モデル 巡回走行モデル ベストプラクティスを求めて FMS開発における試行錯誤 浮上していた課題 開発手法のアプローチ ドメイン駆動設計 モデリングの実践 設計・実装面のアプローチ クリーンア

はじめまして、ティアフォー Safety Engineerの須永です。 これから数回にわたって、ティアフォーの安全への取り組みを紹介していきたいと思います。 はじめに 今年4月1日、道路運送車両法の保安基準が改定され、自動運転レベル3(※)以上の車両に搭載された「自動運行装置」も国が定める保安基準の対象に規定されました。つまり、レベル3の自動運転車の公道走行がいよいよ法的に可能となります。 当たり前のことですが、安全を確保するにはまずはルールに従うことが重要です。もちろん、ルールを守っただけで安全が十分に確保されるわけではありませんが、守らないことには何も始まりません。そこで今回、自動運転関連で遵守すべきルールについて社内の勉強会資料を整理してみました。 (※)高速道路など、一定の条件下で自動運転が可能なレベル 1. 様々なルール まず、一般的なルールを整理します。 守らないと罰則のあるも

はじめまして！ 株式会社ティアフォーで自動運転システムの開発を行っている堀部です。 今回は自動運転における車両制御、特に経路追従と呼ばれる部分について説明していこうと思います。 Autowareによる経路追従の様子 自動運転における車両制御 一般に自動運転において「車両制御」とは、経路追従制御およびステアリング・速度制御を合わせた領域を指します。 この２つの機能の目的は 経路追従制御：車両を目標経路に沿わせるための目標ステア角・車速を計算する ステアリング・速度制御：ステアリング角と車速を目標値に合わせる となっており、ブロック図としては以下のように書かれます。 control block diagram ステアリング制御は、ステアリング角度を目標角度にサーボさせる、いわゆるモーター制御に近いイメージです。しかしステアリングの運動には摩擦による地面との相互作用が存在し、車速や重量、路面状況

こんにちは。 ティアフォーで自動運転ソフトウェア開発を行っている村上です。 今回はDeep Learningを使った三次元物体認識の手法を紹介していきます。 TL;DR: 12msで動作する三次元物体認識アルゴリズムの開発 自動運転におけるDeep Learning 点群を処理するためのDeep Learning ざっと従来手法 従来手法での問題 形状推定の必要性 Deep Learningで可能なこと 三次元物体認識アルゴリズム「PointPillars」の紹介 ざっと類似手法 なぜ「PointPillars」 CUDAとTensorRTによる高速化 最後に 自動運転におけるDeep Learning 自動運転では主に周りの環境を認識する際にDeep Learningを用いることが多いです。画像認識アルゴリズムであるSSD*1やYOLO*2が有名なものになります。 Deep Learni

はじめまして。株式会社ティアフォーで自動運転システムおよびそのシミュレーションソフトウェア開発をしている片岡です。今回のエントリではAutoware対応自動運転シミュレータであるLGSVL Simulatorについて、その仕組みとティアフォーでそれをどう活用しているかについて解説していきたいと思います。 LGSVL SimiulatorはAutowareと同様にオープンソースで提供されている自動運転向けマルチロボットシミュレータです。街一つをまるごとシミュレーションした巨大なマップに数百台のNPC車両を動かし、その環境の中で自分の自動運転アルゴリズムを検証することが可能です。 github.com バイナリリリースもひと月に一度のペースで行われており、そのたびに多くの新要素が追加されています。 自動運転システム開発におけるシミュレータの役割 自動運転システム開発におけるシミュレータの最大の

はじめまして、ティアフォーで自動運転のWebプラットフォーム開発を行っている飯田です。 今回は、遠隔型レベル4自動運転を行う上で必須な遠隔監視・操縦システムについてご紹介します。 遠隔監視・操縦システム 遠隔型自動運転とは まず自動運転のレベルの枠組みから簡単にご紹介します。 国際的に自動運転のレベルは0~5の6段階に定義されています。 自動運転のレベル 基本的には、レベル4から運転者の役割がなくなり皆様が思い描くような運転から開放された乗車体験が実現されます。 しかし、運転者の役割が無くなることに伴い、全て自動運転システムが状況を判断し、走行する必要があります。 ただ、現実問題として自動運転システムが対応出来ない場面も想定されます。 自動運転システムが対応できない場面において、個人所有の車であれば搭乗者に操縦を任せることが可能ですが、タクシーやバスなどサービスとしてお客様に提供している場