パナソニック×JAXA、月面探査ローバー向け運転支援AI開発へ
パナソニック アドバンストテクノロジーは、JAXAと共同研究を開始し、月面探査ローバー向けの運転支援AIを試作する。
JAXAの研究成果を基に、月面を環境認識する運転支援システムを開発し、少量のデータでも高い精度を実現するAIを構築する。
CG画像と少量の実データを組み合わせ、敵対的学習・半教師あり学習を行うことで、低コストで高性能なAIの開発を目指している。
パナソニック アドバンストテクノロジーは、宇宙航空研究開発機構(JAXA)と「CG画像と少量データを用いた月面探査ローバー向け運転支援AIの試作」に関する共同研究を開始した。
JAXAが推進する宇宙探査イノベーションハブ「太陽系フロンティア開拓による人類の生存圏・活動領域拡大に向けたオープンイノベーションハブ」で実施した研究成果をもとに、ステレオカメラにより月面探査ローバーの安全な移動の妨げとなる岩石とクレータを障害物として検知する機能を向上。月面を環境認識する運転支援システムを試作開発する。
深層学習による物体検出モデルの開発には通常、大量の教師データが必要であり、多大な開発コストが課題となっている。また、災害現場などの危険なシーンへの適応や、宇宙環境のような容易にデータを収集できない場所への適応では、十分な量の教師データを用意する事ができず、AIに必要な性能を発揮しづらい。
従来から高品質なレンダリングによるCG画像を使って深層学習する方法もあるが、CG画像と実データでは、少なからずギャップが存在するため、CG画像に対して精度の高い深層学習モデルを作成できたとしても、実際の運用環境では精度が低下するドメインシフト問題が発生する。
共同研究では、シミュレータにより大量の月面環境を模したCG画像を生成しソースドメインとして構築。それに対して少量の月面の実撮影データをターゲットドメインとして、敵対的学習・半教師あり学習を実施しドメイン適応を行なうことで、少量の教師データでも精度を低下させない物体検出深層学習手法を試行している。
これにより、低コストで精度の高いAIの開発が可能となり、地上でも教師データが入手困難であると言う理由で今まで普及が進んでいなかった事業領域にもAIシステムを適応できるようになる事が期待できる。
月面を再現した仮想環境は、NASAから提供されている月面南極域の3Dデータを、ゲーム開発エンジン「Unity」に取り込んで構築している。
