AIエージェントで手動タスクを自動化。ニューラルシミュレーションパイプラインで3D環境を再構築。タスクを数分や数時間で完了し、日や週単位の時間を短縮。
開発、検証、展開を統合した単一のプラットフォームを活用。AI搭載ツールでプログラムのスケジュールを平均4年から12ヶ月へ短縮。
大規模なデータインフラを活用し、ログを自動的にフィルタリング、タグ付け、ラベル付けします。ファジング、センサー拡散、ワールドモデルサンプルを使用した合成シナリオで拡張し、多様で現実的なシナリオライブラリを出力します。
全車両ソフトウェア統合テストを活用し、仮想化されたソフトウェアの100%カバレッジを実現します。データとMLインフラにより、テスト車両からすべての問題を収集、根本原因分析、修正が可能です。
先進運転支援システム (ADAS) は、安全性と運転を向上させるために自動車に使用される技術です。車載画像、ライダー、レーダー、コンピュータービジョン、センサーなど、複数のデータソースからの入力に依存し、駐車、車線維持、衝突回避などのタスクでドライバーを支援します。
自動運転 (AD) とは、人間の介入なしに車両が自動で走行できるシステムの開発と展開に関わる技術です。この技術には、環境を認識し、意思決定を行い、車両を効果的かつ安全に制御するためのセンサー、ソフトウェアアルゴリズム、機械学習など、さまざまな技術の使用が含まれます。
自動車技術会 (SAE)は、0 (完全手動)から5 (完全自律) まで6段階の運転自動化レベルを定義しています。各レベルは車両の自律性の程度を表し、人間のドライバーに対してシステムがどの程度コントロールできるかを示しています。これらのレベルは米国運輸省によって採用されています
包括的な ADAS/AD 開発プラットフォームには通常、シミュレーション、検証、データ管理ツールが含まれます。これらのコンポーネントが連携することで、ADAS および AD ソフトウェアの迅速な開発、テスト、導入が可能になります。
ADAS および AD システムに不可欠な試験の種類には、実環境試験、テストトラック試験、仮想試験があります。これらの試験では、さまざまなシナリオのもとでシステムの信頼性と有効性を評価します。機能安全試験では、システムが入力や故障に対して正しく反応することを確認し、さまざまな環境下での性能を検証します。
シミュレーションツールは、ADAS と AD の開発において、アルゴリズムのテストと改良のための安全でスケーラブル、かつコスト効率の高い環境を提供するという重要な役割を果たします。シミュレーションツールは、チームが複雑な運転シナリオやセンサーの相互作用をモデル化してシミュレートするのに役立ちます。
AI は、車両がリアルタイムで意思決定を行い、多様な環境条件から学習し、機械学習モデルを通じて改善することを可能にし、それによって複雑で動的な道路状況に対応する能力を高めます。
ADAS および AD システムに不可欠な試験の種類には、実環境試験、テストトラック試験、仮想試験があります。これらの試験では、さまざまなシナリオのもとでシステムの信頼性と有効性を評価します。機能安全試験では、システムが入力や故障に対して正しく反応することを確認し、さまざまな環境下での性能を検証します。
Vモデルは、自動車業界で広く採用されている手法で、特に安全性が重要なシステムにおいて活用されます。このモデルは、製品とシステムの要件定義から始まり、機能設計を経て、ソフトウェアの実装に至ります。その後、ソフトウェアはソフトウェア・イン・ザ・ループ(SIL)やハードウェア・イン・ザ・ループ(HIL)によるテストを実施し、展開され、生産環境での検証が行われます。
伝統的な開発Vモデルでは、ソフトウェアの統合が頻繁に行われず、ハードウェアへの依存度が過度に高い傾向があります。さらに、ローカルで孤立したツールの使用やサイクルの遅延が、バグや生産遅延を引き起こす要因となっています。