人工知能(AI)は急速に発展しており、ますます多くの分野に広がっています。チャットボットや画像処理システムに見ることができ、自動車に搭載されることも多くなっています。特に、機械学習の中心的要素である人工ニューラルネットワークは、仮想センサから複雑な意思決定ロジックに至るまで、新たな可能性を切り開きます。このことは重要な問題を提起します。どうすればニューラルネットワークを開発環境から車両の電子制御ユニット(ECU)に移すことができるでしょうか。
現在ニューラルネットワークが急成長している理由
人工ニューラルネットワークの起源は1940年代にさかのぼります。ただし、その躍進を可能にしたのは、強力なハードウェア、特に並列計算向けに最適化されたグラフィックプロセッサユニット(GPU)と、TensorFlow、PyTorch、Kerasなどのオープンソースの機械学習フレームワークの組み合わせでした。
これらのフレームワークは、すぐに使えるビルディングブロックと活発なコミュニティを提供しているため、ニューラルネットワークの開発をはるかに容易に開始することができます。Pythonなどのアクセスしやすいプログラミング言語で数行のコードを記述するだけで、GPUアクセラレーションやクラウド上で短時間でトレーニングできる初期モデルをすばやく作成することができます。その後で、アーキテクチャと、使用するデータセットのハイパーパラメータおよび機能の両方を個別に調整することができます。
これらの開発は、自動車分野で新たな応用分野を開拓するものです。また、音声アシスタントなどの演算負荷の高い使用事例に加え、仮想センサのような、より小さなニューラルネットワークも車両に使用されています。これらのモデルはパラメータが非常に少なく、ECU上で直接実行できるほどコンパクトです。これには複数の利点があります。
- 迅速な開発: ニューラルネットワークは、ECUの開発に数日から数週間かかることもある複雑なアルゴリズムに取って代わることができます。
- 費用対効果: 適切な用途では、ハードウェアセンサをニューラルネットワークをベースとした仮想センサに置き換えることができます。そこでは、センサデータを予測し、製造コストとメンテナンス要件の両方を削減します。
- 信頼性: クローズド型の計算モデルは、安定した実行時間が可能になるため、ロバストなリアルタイムアプリケーションを実現します。
ニューラルネットワークをECU上で利用する方法
効率的な開発と高速なトレーニングにより、ニューラルネットワークは多くの用途で関心を集めています。ただし、トレーニングされたモデルだけでは不十分です。また、データが生成される場合でも、それを使用できることが必要です。それには、小さなAIアルゴリズムやモデルを、もはやクラウド上ではなく、性能の非常に限られた個々のデバイス上で直接実行する必要があります。
開発環境でスムーズに動作するものを、車両内の既存のコンピューティングユニット(たとえば、ドメイン中心の電気/電子(E/E)アーキテクチャの周辺領域にある制御ユニットなど)で簡単に実行することはできません。ECUなどの組込みシステムのメモリ、帯域幅、および処理能力は限られています。
組込みシステムでニューラルネットワークを実行する場合、2つの基本的な方法があります。
- 解釈: モデルはファイルとして提供され、ランタイム環境によって解釈されます。このアプローチはモデルをすばやくやり取りできるため、柔軟性があります。ただし、ランタイム環境には、追加のメモリや処理能力が必要になります。
- C/C++コード: モデルをリーンなCまたはC++コードに変換します。モデルを調整する場合は、C/C++コードを作成しなおす必要がありますが、適切なツールを使用すれば効率的に行えます。
C/C++コードがECUにニューラルネットワークを実装する際の優れた選択肢である理由
ECUは高度に専門化された組込みシステムであり、厳しいリアルタイム要件の下で動作し、リソースも限られています。既に述べたように、ニューラルネットワークがインタープリタベースの場合、必要なランタイム環境には、追加のメモリやさらなる計算能力が必要になります。このため、厳密に予測可能なタイミング動作を保証するために必要な作業が増大し、常に安定したリアルタイム性が要求されるアプリケーションでは特に不利になります。
一方、C/C++のコードは直接コンパイルされ、インタープリタなしで実行されるため、それぞれのモデルに合わせて精密に調整されることから、無駄な部分が少なくなります。そのため、汎用的に設計されたインタープリタよりも全体的に高速で、予測しやすいものになります。こうした側面は、ミリ秒単位が肝心となる車両のセーフティクリティカルな機能にとって特に重要です。ただし、用途によって、重視される要件は異なります。実行時間が優先される場合もあれば、必要メモリの少なさがより重要になる場合もあります。
優れたコードジェネレータは、トレーニング済みのモデルから必要なC/C++コードを効率的に生成し、用途に依存した最適化に必要なオプションを提供します。自動コード生成の利点は、決して新しいものではありません。自動車業界では、既に長年にわたってAUTOSARやモデルベース開発などの分野で実績を挙げており、AI関連でも効率性と信頼性の高い道筋を提供することができます。
ニューラルネットワークに対応するコードを生成する際に考慮する必要があるセキュリティ規格
人工ニューラルネットワークをECUに統合する場合、技術的な課題と規制上の課題があります。トレーニング、データ、AI開発に関する規制要件(ISO/PAS 8800など)に加え、ECUにおけるニューラルネットワークの使用は、ECUソフトウェアに関する追加要件の対象となります。自動車業界では、ISO 26262に準拠した開発プロセスの認証が多くの場合で求められます。この結果としてコードに関する要件が生まれ、MISRA Cガイドラインなどに準拠することで満たすことができます。自動テスト、適切なワークフロー、適切に認証を受けたコードジェネレータは、生成されたコードがこれらの要件を満たしていることを保証することができます。
さらに、これらの規格は、ターゲットハードウェア上でソフトウェアの広範なテストを行うよう義務付けています。コードを最適化した場合や、モデルを量子化、つまり数値精度を低く変換した場合は、その機能が維持されているかどうかを確認する必要があります。ソフトウェアのバックトゥバックテストは、ECU自体のテストが行われる前でも、早期のフィードバックを提供することができます。この場合には、ECU上で実行されるコードを元のモデルと比較します。たとえば、バックトゥバックテストは、ツールを使用してコード生成直後に実施することができます。
ニューラルネットワークをソフトウェアコンポーネントとして自動車用ツールチェーンに適合させる方法
ニューラルネットワークは、単独のソリューションとして開発されることはほとんどなく、より大きなソフトウェアアーキテクチャの中で特定の機能を果たします。そのため、生産的に利用するためには、既存のツールチェーンやソフトウェアアーキテクチャにシームレスに統合する必要があります。
特に自動車業界では、これらのツールチェーンは長きにわたって確立されており、実証済みの規格に基づいています。AUTOSAR互換のソフトウェアコンポーネント、Functional Mock-up Units(FMU)やバーチャルECU(V-ECU)として入手可能なモデルなど、慣れ親しんだアーティファクトが期待できます。
生成されたC/C++コードは、ここで決定的な利点となります。このコードはモデルベース開発プロセスに統合でき、TargetLinkやSimulink®などのツールでさらに処理することが可能です。これにより、トレーニングされたニューラルネットワークは、ツールチェーンを途切れさせることなく、プロセス全体に適合する、規格に準拠したソフトウェアコンポーネントに生まれ変わります。
実際の様子
dSPACEは、セーフティクリティカルなシステムに関して約30年の経験を有しており、最新の規格に準拠したソフトウェア開発を可能にする最先端のハードウェアおよびソフトウェアソリューションをお客様に提供しています。この専門技術は、最新の開発プロセスへのニューラルネットワークの統合に一貫して取り入れられています。
実際にはどのようなものでしょうか。この実践的なウォークスルーでは、ニューラルネットワークのCコードをTargetLinkモデルに統合して、モデルベース開発プロセスで使用できるようにする方法をご紹介します。このアプローチにより、AIアルゴリズムに関して、標準インターフェースと実証済みのプロセスをセーフティクリティカルなシステムに使用することができます。
まとめ:ニューラルネットワークをECUに組み込むための最良の方法
ニューラルネットワークは、理論上のアイデアから、今日数多くの用途で使用されている重要な技術へと発展してきました。効率的な開発と迅速なトレーニングは魅力的ですが、ECUなどのリソースが限られた組込みシステムへのニューラルネットワークの統合は、特に仮想センサなどの用途では困難な場合があります。
C/C++コードの直接使用は、このアプローチの中心的な要素であり、セーフティクリティカルなアプリケーションに不可欠な、効率的で常に安定し、規格に準拠した実装が可能になります。適切なツールチェーンがあれば、ニューラルネットワークを既存の開発プロセスにシームレスに統合し、規格に準拠したソフトウェアコンポーネントとして生産的に利用することができます。
今後の展望:このトピックが今、重要である理由
自動車業界は絶えず変化しており、電動化、自動運転、コネクテッドカーによって、システムのインテリジェンスと柔軟性に対する要求はこれまで以上に高まっています。エッジAIは、データを生成した場所で直接処理し、迅速かつローカルな意思決定を促進する鍵となります。それと同時に、安全性、規格への準拠、効率性への要求も高まっています。
これらの課題を克服した者は、次世代の車両機能の基礎を築き、決定的な競争優位性を獲得することになります。
詳細に興味をお持ちですか。
当社の 対話型セッション では、当社の専門技術者とともにお客様のご質問を深く掘り下げ、技術的な詳細情報をやり取りし、 デモ を使用して具体的な使用例を一緒に検討します。これにより、お客様のニーズにきめ細かく合わせた個別の情報をご提供いたします。