タグ: 自動運転車

今日から、ピッツバーグのUberユーザーの中には、配車を依頼する時、自動運転車に乗る選択肢が登場するので驚くかもしれない。

Uberがカーネギーメロン大学のロボティクスセンターから何十人もの研究者を採用し、技術開発を進めてから1年半経ってからの発表だった。

Uberは火曜日、レーダー、カメラを始めとするセンサー機器を搭載した14台のFord Fusionの一部を少数の記者に公開した。これらの車は、ピッツバーグのダウンタウンから北東に位置するUberのAdvanced Technologies Campus (ATC)に並んでいた。

私は街中を45分かけてこの車を試乗した。これは、Uberの初となる完成形自動運転車のローンチではない。まだ走行検証の一環だ。Uberは、自動運転車が現実世界にどのように反応しているかを学び、技術を高めたいと考えている。車が歩行者にどのように反応するか、そして歩行者が車にどのように反応するかを確認する。

「自動運転車の隣を走行するドライバーはこの車を見てどのように反応するでしょうか？乗客が初めて自動運転車に乗り、Uberのハードウェアとソフトウェアの完成形を体験する時、何を感じるでしょうか？そしてそれは何を意味するでしょうか？」とUber ATCのディレクターを務めるRaffi Krikorianは調査内容を説明する。

彼らが私と同じようなら、まずはそれに魅了され、続いて退屈さを感じることになるだろう。

自動運転車に乗る

私はUber社員からスマホを受け取り、そのスマホのUberアプリから自動運転車を呼んだ。数分すると、Ford Fusionが現れた。Uberのエンジニアが前の2席に座っていたので、私はドライバーの後ろに座った。

乗車してから、私は座席に設置されたタブレットのボタンを押した。出発の準備が整ったという合図だ。タブレットには、車が見ている景色が映し出される。道路の部分は青く、他の物体は赤く表示される。このドライブでは、ピッツバーグのローレンスビル地区にあるATCのビルからダウンタウンに行き、9th Street橋を通ってノース・ショアに向かう。まるで幽霊が操っているかのように、ハンドルが勝手に動いて車が発進した。

ドライバー席に座るエンジニアはドライブの間、ずっと道路を注視していた。ハンドルに手をかざし、足もペダルをいつでも踏めるように準備していた。車線を他の車が完全に塞ぎ、自動運転車が停止した場合は、ドライバーはマニュアルモードに切り替え、車線変更を行ってそこを回避する必要がある。Uberの自動運転車はまだこの操作を行うことができないからだ。もう一人のエンジニアは、助手席に座ってラップトップを開いていた。通常の運転時には、ドライブの様子をメモしているのだという。

初めて自動運転車が障害物に直面した時、相当な緊張感があった。1台のSUVがバックしながら道路に入ろうとしていた。車のハンドルをロボットに預けるまで、普通のドライブでも予期せぬことがこんなに起きているなんて気づきもしないだろう。自動運転車にとっては、そもそも橋の上でどこを走行するかを決めるのが難しいタスクだが、橋を渡っていた時、走行していた車線に大型トラックが停車していた。ドライバーはマニュアルに切り替えて車線変更したが、その時、市の職員がトラックの前から飛び出し、私たちが乗っている車の前に垂れ幕が落ちた。

もし、その時自動運転モードだったのなら、この車がどのように通行人や垂れ幕に反応していたかは分からない。これ以外では、自動運転車が周囲の状況に反応している様子が見て取れた。乗客の乗り降りのために停止しているバスの後ろに止まり、バスが右に曲がろうとしている時も止まった。信号を読み取った。1回だけ黄色信号で止まったが、他の黄色信号では走行を続けた。交通ルールも守った。あまりに普通のドライブだったので、少し退屈になるほどだった。緊張感は早々になくなっていた。

目的地に到着し、エンジニアは、今度は私がUberのキャンパスまで「運転」してみることを勧めた。ダッシュボードに青い光が付いて、コンソールにある銀色のボタンを押すと車は自動運転に入る。ブレーキを踏んだり、加速したり、あるいは赤いボタンを押すとドライバーが自分で運転を行うことができる。道中、車線にバンが停車していたので、その時だけ自分で運転を行った。

自動運転中は何もしなくて良いのだが、周囲の状況を注視しなければならない。これは奇妙な感覚だった。他のことを考えたいという誘惑があり、ハンドルに手を添えなくともいいかなとさえ思ってしまう。自動停車や駐車と完全な自動運転にするかどうかという線引きが曖昧になってしまうのは分かる話だ。

私はもう一人のエンジニアと席を交代し、もう一度街中の周回した。今回はピッツバーグで交通量の多いStrip Districtを通る。道には多くの車が駐車していた。道に並ぶ商店やレストランに配達をするため、バンがひっきりなしに停車したり、発車したりしている。自動運転車は、駐車スペースから飛び出して停車している車に気が付くと、少しだけ左に避けた。大抵の場合は、滞りなく道を進んだ。途中で、特徴的なLidarを屋根に乗せたUberの自動運転車がもう1台すぐ近くを走行していた。白いSUVが2台の自動運転車に挟まれる状況だったが、白いSUVがそれを気にしている様子は特になかった。

そのあと、別の橋で渋滞につかまった。数十メートルづつ進んでは止まりを繰り返した。自動運転車は緩やかに止まる時もあれば、急停車することもあった。Uberの地図は目的に到着したと告げるまで、ドライブはほとんど人が運転している車に乗っているのと同じ感覚だった。

予期せぬ事態に備えて

Uberが乗客に配車する自動運転のFord Fusionは、ほとんどの部分で通常車と同じだ。一見して分かる違いは、屋根の乗っているいくつものセンサーを搭載した器具だ。他にもセンサーは車の側面に内蔵されている。

Lidarユニットは、1秒間に140万の地図ポイントを収集し、車の周り360度分のイメージを生成する。カメラとGPSシステムが、それにさらに情報を加えている。

試乗を終えて、私はこのテクノロジーに安心感を覚えた。自動運転車は周りの物、人、さらに道路のくぼみまで検出し、賢く対応することができた。予期できることは、すでに対応できる。Uberにとってより大きな課題は予期せぬ事態にどう対応するかだ。

Uberはピッツバークのいくつかの地区で自動運転車の配車サービスの提供を開始する。数週間内には、空港と北部の地区にも展開するという。ゆっくりと展開するのは、Uberは車が走行する道を予め地図に落とし込む必要があるからだ。カーネギーメロン大学の研究者 Aaron Steinfeld（Uberとは関係していない）によると、これは普通の工程だという。自動運転車が事前に速度制限や汎用的な情報などを収集した地図データを受け取ることで、車はリアルタイムに変化する、例えば通行人といった要素を検知することに注力することができる。

Uberは全てのロードテストのログを残し、そのデータを元に、車が特定の状況下ではどのように反応すべきかを調整しているという。例えば、車が十字路に差し掛かった際は、十字路に到着した順に車が走行するルールだ。しかし、他の車がその順番に従わなかった場合はどうだろうか？車が飛び出してきたら自動運転車は止まることを知っているが、もし別の車が渡るのに時間がかかり過ぎるようなら走行するという判断を覚えておく必要がある。

人は運転する時、様々な社会的サインを感覚的に読み取っている。他のドライバーとアイコンタクトをするし、ジョギングしている人の細かなボディーランゲージを読み取って、道を渡ろうとしているかどうかが分かる。Uberの車も通行人が道を渡ろうとしているかどうかを予測することができるが、こうした社会的サインを読み取ることに関してはまだ目標のままだ。

次の半年内に、Uberはエンジニア1名が共に乗車するプランに切り替える予定だ。最終的にそのエンジニアもリモートのヘルプセンターにする計画でいる。車が未知の状況に直面した時、乗客はヘルプセンターの人と連絡することができる。Uberはまた、渋滞などで身動きが取れなくなるなどの突発的な状況に陥るのを防ぐ方法、そして道に多くの歩行者がいる場合にどのように対応すべきかを検証している。

ピッツバークから開かれる可能性

Uberはエンジニア人材に惹かれてピッツバーグにやってきた。カーネギーメロン大学には高名なロボティクス教科があり、アメリカ中の自動運転開発チームのメンバーを輩出している。

この都市は支援にも積極的だ。市長のWilliam Pedutoは、Uberを利用していて、都市に新しいサービスや雇用を生み出す革新的な会社を迎い入れると話す。

「ピッツバーグ、特にカーネギーメロン大学は何十年にも渡って自動運転車の研究を牽引してきました。そのため、これは合理的なステップなのです」とPedutoは言う。「州法により、免許を持つドライバーがハンドルの前に座っていれば自動運転車はペンシルベニア州の公道を走行することができます。Uberのサービス展開時にもドライバーはいます」。

私たちを会場まで送ったUberのドライバーでさえ、関心を寄せているようだった。彼女は、自動運転車の検証期間中に自分も自動運転車の付き添い運転手となる機会があるか気になると言っていた。

Uber社員は、ピッツバーグで自動運転車を検証するのは気候的にも有利と話す。Googleは自動運転車をシリコンバレーで試運転をしているが、そこではあまり雨は降らない。ピッツバーグには四季があり、いびつな格子状に道が走る古い都市には橋もあり、道には多くのくぼみもある。

「ピッツバーグは運転におけるアルペンスキーのような難しさと言っています」とATCのKrikorianは言う。「ピッツバーグでの運転を完全に攻略できれば、世界中の他の都市でも同じように攻略できると自信を持って言えるでしょう」。

自動運転車のリトマス試験紙

今回の発表でUberは、現在のテクノロジーがマス向け展開できるとは一切示唆しなかった。Googleと同じように、カーネギーメロンや他の研究所でも自動運転テクノロジーの開発を行っていて、何時間ものロードテストを丁寧に記録している。Uberのチームも、自動運転車を公道に解き放った時に直面するだろう膨大なシナリオを少しづつ検証している。

「シミュレーションをどれだけしようと、全てを掌握することはできません。だから実際の道をたくさん走行することが重要なのです。Googleの車も道路のデータを大量に集めています」とSteinfeldは言う。「実世界の現場で研究を行うこの重労働の検証はこの世界の伝統なのです。ロボティクス学術協会で見るものは全てこういった検証を元にしています」。

人々が自動運転車にどのような反応を示すかは近い内に分かるだろう。Uberの自動運転車の一部である、14台のFord Fusionsを公道でみかけたドライバーは、ロボットの隣を走行することにオプトインしたわけではない。Uberのユーザーは自動運転車に乗車することに対してオプトインすることはできるが、彼らにとっても新しい体験だ。また、Uberの既存ドライバーがどのように思うかも分からない。自動運転車の付き添いエンジニアになるかもしれないし、自動運転車に仕事を奪われることになるかもしれない。

世界は初めて、1つの都市にこれだけ多くの自動運転車の連帯が登場したのを目撃することになるとSteinfeldは話す。人々の関心と興味が十分に高まり、それは人々が持つ自動運転車に対する見方を変える力になるだろうという。

「自動運転に対して、多くの人は少し落ち着かない気持ちでいるでしょう」とSteinfeldは言う。「しかし、一度体験すれば親しみを持ち、徐々に許容されるようになるでしょう。ピッツバーグでの検証は、アメリカ中で自動運転に対する人々の許容を得られるかどうか、社会全体がどのように捉えるかを理解することにつながります」。

[原文へ]

（翻訳：Nozomi Okuma /Website）

【編集部注】執筆者のKevin Wangは、世界最大級のテクノロジーイノベーションプラットフォームPlug and Play Tech Centerの保険テック下部組織であるPlug and Play Insuranceに所属している。Plug and Play Insuranceは、業界トップの保険イノベーションプラットフォームで、Munich Re、USAA、State Farm、SOMPO Digital Lab、Farmers、Nationwide、Deloitte、Travelers、Aviva、AIGといった世界的な保険機関とのパートナシップによって最近誕生した。Kevin自身は、Case Western Reserve Universityでファイナンスを学び、製造や流通、戦略コンサルティングの世界で経験を積んだシリアルアントレプレナー（連続起業家）。

モビリティ業界での技術革新によって、より安全に、より早く、そしてより便利に移動ができるようになった。様々な調査からもその功績が見て取れる。Insurance Information Instituteによれば、過去三年間で自動車関連の死亡事故は33%減少し、9つのモデルに関して100万台単位で見たときの1台あたりの死亡者数は0だった。さらに、UberやLyftといった配車アプリの登場がモビリティサービスの裾野を広げ、今では60ヶ国以上で一日あたり合計100万回以上も利用されている。

このようなポジティブな面が存在する一方、イノベーションには犠牲が伴う。今年の5月7日、あるドライバーがTeslaのオートパイロット機能を利用中に命を落としたのだ。彼の車は後方から迫ってくる白いトラックと空の景色を識別できず、トラックに衝突してしまった。この事故で自動運転技術に関する論調や世論が変わってくるかもしれない。また、この事件が、自動車の未来と現在が実際どのくらい離れているかや、社会が今後そのような未来を完全に受け入れるのかどうかということを見直すきっかけとなった。

そもそも自動運転車は事故の減少に繋がると考えられている。昨年アメリカでは3万5000件の交通死亡事故が報告されており、これはアメリカの人口の0.01％にあたる。この数字は大したことがないように映るが、全て人間が原因で起きた事故であり、ソースコードに人の命がかかったアルゴリズムによるものではない。ここから、プログラマーや彼らの書いたコードに与えられることになる、自動運転車を購入した消費者の生死を決める力に関する問題が浮上してくる。そして究極的には、自動運転車関連の事故や命に関わる事象が起きた際に誰がその責任を負うのだろうか？

その次の重要なステップが、自動運転技術の拡散といかに安全にその技術を私たちが住む社会のフレームワークに埋め込んでいくかという課題の解決だ。これらの問題を念頭におきながら、企業や政府関連組織が自動運転車の普及を目指したステップを踏もうとしている。Googleは自動運転技術のテストを進めており、彼らの自動運転車隊はこれまでに150万マイルの路上走行テストを行ってきた。

2014年にアメリカ合衆国運輸省は、自動車の衝突に繋がることの多いヒューマンエラーを防ぐべく、自動車同士が「会話」できるよう自動車間の通信テクノロジーの利用を認可した。そして今年の3月、General MotorsはCruise Automationと呼ばれるスタートアップを10億ドルで買収した。当時同社は既に、Cadillac CT6のラインに高速道路での走行に特化したスマートクルーズ制御システムを導入しようとしていた。ここから自動運転車の技術・制度的インフラは既に成熟しようとしているのがわかる。

しかし、未だに自動運転技術が実際に広く普及するかどうかを決定づける課題の多くが未解決のまま残されている。消費者の受容がそのひとつだ。必ずしも全ての消費者が自動運転車を必要としているかどうかはわからない。そもそもアメリカ人は車好きで、Experian Automotiveの調査によれば平均で2.28台の車が各家庭に存在する。もしも自動運転車が本当に普及していくとすれば、エンドユーザーはそのうち車の所有権と移動を分けて考えなければならず、このコンセプトはElon Muskのマスタープランでも強調されている。

Deloitteによれば、モビリティ業界の未来には4つのステージが存在する。漸進的な変化、カーシェアリング、ドライバーレス革命そして自動運転技術の普及の4つだ。現在私たちが進んでいる道はドライバーレス革命のステージに向けられたものだと考えられ、そのステージに到達する頃には消費者の中に未だ車を所有している人もいるかもしれないが、その車には自動運転を可能にする技術が備わっていることになる。4ステージ全てが同時期に存在する可能性もあるが、全人口の各セグメントが平等に全てのステージに到達するとも限らない。また、ドライバーレス革命に向けてGMのCadillacに備えられる予定の新たな自動運転技術のように、今私たちのいる地点から漸進的な変化が起きるかもしれない。

そして自動運転技術の普及ステージに到達する頃には自動車保険にとてつもなく大きな変化が起きることになるだろう。まず、事故の件数が減ることで保険金請求の数が減り、それが保険会社の払い出し額の減少に繋がる。Insurance Institute for Highway Safetyのエグゼクティブヴァイスプレジデント兼チーフリサーチオフィサーのDavid Zubyは、「前面衝突防止テクノロジーを備えた自動車の場合、対物賠償保険の請求頻度が7〜15％低いことが分かっています」と語っている。つまり、テクノロジーの力で事故の件数が減るだけでなく、保険会社の払い出し額も減るというWin-Winな状況が生まれるのだ。

さらに保険会社は自動運転車が広く普及する前に新しく革新的な商品を生み出す必要が出てくるだろう。ドライバーレス革命のステージにおいて、衝突防止テクノロジーは保険料の低減に関して大きな役割を担うことが予想されるが、保険会社はそれに合わせて新たな商品の開発を行わなければならない。カーシェアリングステージでは、保険会社がUberやLyftのような企業に対してギャップ保険やライドシェアリングポリシーを販売することができた。ドライバーが車にお客をのせる際の保険を必要としていたのだ。

しかし新たなポリシー下では保険料が増加することになる。Geicoを例にとると、シカゴに住む男性ドライバー向けの個人保険の料金は1140ドルである一方、同じ人がライドシェアリング用の保険に加入するとその金額は3743ドルに増加する。自動運転車用のポリシーにも同じような値上げ戦略が適用される可能性があるのだ。

Tesla車の事故によって、大衆が自動運転車を完全に受け入れる道が遠のいただけでなく、社会が自動運転技術の普及ステージに到達せずに自動運転が拡張機能として導入されるだけになるかもしれない。また、ドライバーは自動運転車を利用していても事故の責任を問われることになる可能性が高い。つまり自動車保険のニーズが無くなることはないだろう。結局のところ、自動運転技術が人間のドライバーを完全に代替することはないかもしれないが、事故の減少には貢献する可能性が高いのだ。

［原文へ］

（翻訳：Atsushi Yukutake/ Twitter）

George Hotz（Geohotz）が創立したスタートアップ、comma.aiは既存の自動車に既存のパーツを組み合わせることによって比較的低価格で自動運転車を製作できることを実証した。そのcomma.aiが7時間25分にわたる高速道路での自動運転で収集した全データをオープンソースで公開した。

地味なニュースに思えるかもしれないがそうではない。すくなくとも現在までに公開された高速道路の自動運転のデータと比べれば画期的だ。

comma.aiは最初の走行デモを成功させたときにBloombergで大きな記事になった。公開されたのは記事で紹介された自動走行システムを作るために機械学習システムを訓練したデータそのものだという。

Hotzはインタビューに答えて「このプロジェクトを始めたときは自動運転車は考えていなかった。単に機械学習をいろいろ試そうとしただけだった。ところがあたりを見回しても機械学習の実験に適した手頃なデータがなかった」と説明している。

HotzはKITTIのデータセットや最近発表されたさらに詳細なOxford RobotCarデータセットなどいくつかのデータを調べた。しかしこうしたデータ・セットは都市部の交通の実験で、Hotzが必要としていたのは高速道路での自動運転のデータだった。

「現在BloombergやNvidiaの実験を再現するのに適したデータは公開されていない。そこでそういうデータが世界に公開されてもいい時期だと考えた」とHotzは説明する。

もちろんcomma.aiのデータが利用できるからといって、誰でも1998年モデルのFord Tempoを自動運転車に変えることができるわけではない。しかしこのデータは有力なスタート地点を提供する。comma.aiが公開したのは現在取り組んでいる自動運転車のデータではなく、約半年前に行ったテストに関する全データだ。comma.aiのテクノロジーがその後さらに進歩しているのは間違いない。

Hotzは私の取材に対して「公開主のビジネスを危険にさらさずにオープンソース化はできるはずだと信じている。オープンソースでさらに情報を公開するためにも会社が生き延びることが重要だ。こうしたデータが得られるまでには数多くの失敗がある。誰もそういう失敗を繰り返す必要はない」とcomma.aiのデータ公開に関するアプローチを説明した。

Hotzによれば、comma.aiがデータをオープンソース化するのは、ホビイストのコミュニティーがさらに多くの貢献をできるようにするためだという。しかし機械学習システムの訓練に必要な基礎的な運転データの収集に膨大なは時間と資源を必要とする。Hotzはオープンソース・データの例としてDeepDriveを挙げた。これはGrand Theft Auto Vのプラットフォームを用いてリアルな自動運転シミュレーションを行うためのニューラルネットワーク・システムだ。

ホビイストを助けるというのは、才能ある人材を獲得するためのパイプラインを築くことでもある。comma.aiはオープンソース化したデータを用いて誰がどのようにさらなるオープンソース化をしているかモニターできる。comma.aiはもっとも輝かしい人材が誰なのかいち早く知ることができる。

Hotzによればcomma.aiのビジョンはシンプルだ。「われわれは今何をしているのかできるかぎり正確な情報を公開する。それでもスタートアップは〔大組織よりも〕速く、スマートかつ安価に機能できるということを確信している」のだという。

〔日本版〕ジョージ・ホッツは17歳で個人として初めてiPhoneのジェイルブレイクに成功するなど著名なハッカー。オープンソース化された自動運転データは圧縮で40GB（解凍後80GB）のサイズで、Anaconda、TensorFlowなどを必要とするという。

[原文へ]

（翻訳：滑川海彦@Facebook Google+）

Fordは現在マサチューセッツ工科大学（MIT）と共同で、マサチューセッツ州ケンブリッジにあるMITのキャンパスにて、学生がキャンパス上そして街中でクラス間の移動に使える、オンデマンドの電気シャトルバスを配置するという研究プロジェクトに取り組んでいる。3台準備予定のシャトルバスを学生がスマートフォン上のアプリで呼び寄せることで、ドライバーがすぐにピックアップに向かう。この研究プロジェクトは、歩行者の移動パターンを明らかにすることを目的としており、気象情報や授業のスケジュールといったデータとLiDARやその他のセンサーを利用しながら、オンデマンドサービスの最適化が行われる予定だ。

Fordにとって今回のMITとのコラボレーションは、ミシガン州にあるFordのディアボーンキャンパスで、現在従業員の移動に使われているシャトルバスの運営を行っているDynamic Shuttleプロジェクトの進展のためだけではなく、Ford Smart Mobilityの下で行われている、様々な種類の未来の移動手段を模索する動きにも役に立つと考えられている。具体的には、Fordはプロジェクトの現在のフェーズで、今公道を走っている車に取り付けられたLiDARよりも低画質の画像を利用したLiDARシステムで、歩行者を検知する機能を向上できないかという検証を行うつもりだ。

「現在利用されている自動運転車にはLiDARが使われており、将来的にも引き続きLiDARが使われる可能性が高いです」とFordの自動運転車分析部門のマネージャー兼テクニカルリーダーであり、今回のMITが参加するプロジェクトのリーダーでもあるBryan Goodmanはインタビューの中で説明した。「このプログラムでは、様々な方法を用いて既存のLiDARユニットよりも低画質の画像を使ったLiDARで歩行者を検知する実験を行いながら、十分な情報収集を行おうとしています」

低画質のLiDARシステムが上手く機能すれば、たくさんの可能性が開けてくる。例えば、ハイブリッド自動運転技術におけるカメラからの情報への依存度が低下することで、自動運転車の生産コストが下がる可能性が高く、結果的に自動車メーカーが大量生産を行えるようになるだけでなく、車の所有者やシェアリングサービスの利用者にとってのコストも下がることになる。この研究プロジェクトでは、車両にドライバーが常駐する他、街中よりも管理された環境の下で実験が行われるため、現実に即した実験場としての利点を利用しつつも、低画質のハードウェアを使用した実験を安全に行うことができる。

また、本プロジェクトでは、実際にシャトルサービスを利用する学生に対して良質なカーシェアリングサービスを提供できるよう、利用可能なリソースを最大限活用しようとしている。例えば、研究チームが移動に関するデータを収集後に分析し、その結果が乗り降り地点や移動ルートの最適化に利用される。

Goodmanは、データ分析を通して移動に関する需要予測が行われ、さらにアルゴリズムが、予測内容を処理することでカスタマーサービスを最大化するためのシャトルバスの位置を割り出すことができるようになっていると言う。そして、この情報がドライバーへと送り返されることで彼らの運転パターンが決まる。このプロセスが繰り返されることで、時間や天気などの条件に関係なく、可能な限り最高のサービスを提供することができるのだ。

Goodmanによれば、プロジェクトの今のフェーズが今年の終わりまで続く予定で、MITとFordは既にそれ以降のフェーズについても考え始めている。さらに彼は、次のステップのひとつとしては、ドライバーのいる電気シャトルバス（Ford用語でmobility-on-demandまたはMOD車と呼ばれている）を、完全な自動運転車に切り替えるということが挙げられ、現在のフェーズでの学びや収集されたデータが、そのゴールを達成するにあたって重要になってくるだろうと語る。

［原文へ］

（翻訳：Atsushi Yukutake/ Twitter）

自分で学習する自動運転車の製作者であるGeohotが今年のDisruptイベントに来ると発表したばかりなので、ちょうどいいタイミングだ。Udacityは新しく発表したナノ学位で読者も1年で自動運転車のエンジニアになれるようになった（情報提供:Recode）。

Udacityはオンラインの教育スタートアップで、元GoogleのSebastian Thrunが設立した。彼は、自分の事業を立ち上げる前、Googleで自動運転車のプログラムのキックオフに携わった人物でもある。Thrunの専門性があれば、Udacityのプログラムは盤石な教育要素が詰まっていることが保証できるだろう。Udacityのナノ学位（濃縮された、独学卒業証書）は、いくつかのプログラムで提携しているGoogleといった企業から概ね良い評価を受けている。

この自動運転車プログラムは、通常数ヶ月かかる平均的なナノ学位よりは学習の期間が長い。自動運転車のエンジニアになるには、自分で初歩的な「Hello World!」のiOSやAndroidアプリを作るより時間がかかるのは当然だろう。

Thrunは上記の動画でこのプログラムの紹介を行っている。現在、多くの企業が人材を探しているとし、今後確実に様々な企業が自動運転テクノロジーに関心を寄せるようになるという。例えば、つい昨日発表されたばかりのElon Muskの「マスタープラン第2章」では、最終的にTeslaの連隊が自律走行をし、どこにでも移動でき、乗車料金で車の所有者が行った投資が回収できるシステムの構想を例にあげた。

需要が伸びる確率は高いが、私たちが本当に気になっているのは、このプログラムの最初の卒業生がどんな自動運転車を制作することができるようになるかだ。Udacityの生徒には、この課題が待ち受けている。

[原文へ]

（翻訳：Nozomi Okuma /Website）

TeslaのファウンダーでCEOのElon Muskは 「マスタープラン」の第2部を本日発表した。プランの2つの大きなニュースは新型車の発表だが、コンシューマーモデルではない。Teslaは大型セミトラックと、都市部でバスの役割を果たすために運用する「多くの乗客に対応する都市交通手段」だという。

今では有名になったマスタープランの次のステージについての記事では、MuskはModel Xとは別のコンパクトSUVと、「新種のピックアップトラック」を含むコンシューマー向け車両を手がけることについて触れた。どちらもMuskが以前からほのめかしていた内容だ。しかし、これらのコンシューマー向け車両とは別に2つのタイプの電気自動車が「必要」という。セミトラックと都市交通手段と銘打つ車両は、どちらも早ければ来年の早い段階に公開する準備が整うとMuskは言う。

TeslaのSemi（このトラックに付けたマスクの呼び名）が必要なのは、貨物輸送にかかるコストを劇的に削減する助けになるためという（燃料がトラック輸送のコストの大部分を占め、そのコストは最終的にコンシューマーが担っている）。また、Teslaによる輸送は安全性を高めるのと同時に、車両のオペレーターが「楽しく運転」できるようになるためとMusk。

複数人が乗車可能な車両について、マスクは電気バス以上に野心的な目標を描いているようだ。彼は最終的にバスの運転手を車両の連隊を管理するマネージャーに変えることを目論んでいる。自動化を持って、1人の人が1台を管理するのではなく、複数の車両を管理することができるようにする。この設計により、乗客は固定の停留所ではなく、任意の目的地に直接移動することができるという。そして、車両を呼ぶにはスマホ（アプリ経由の可能性が高い）を使うか、従来のバス停に設置されたボタンを使うようになる。

もちろんこれを実現するためには、都市における公的交通機関で現在可能な技術より、高いレベルの自律走行が求められる。Muskのビジョンでは、自動運転Tesla車の連隊を成立させるために、自動運転車のカーシェアリングサービスに必要な車両の確保においてオーナーが一部を負担することも視野に入れている。複数の乗客のための都市交通機関はそのビジョンより近い未来に実現できそうではあるものの、どちらも現実のものにするためには多くのステップを踏まなければならないだろう。

[原文へ]

（翻訳：Nozomi Okuma /Website）

【編集部注】執筆者のNed Ryan氏は、週単位での車のリースサービスを提供するBreezeの共同設立者兼CEO。

これまで、世界最大規模である自動車業界で、これほどまでに変化の兆しがハッキリと見えたことはなかっただろう。自動車の所有の仕方が変わろうとしているのだ。そして本当に変化が訪れたとき、世界経済でこれまで起きたことがない程、とてつもない規模での富の移転が起きると予想されている。

しかし、世の中にはたくさんの対立する意見や情報が蔓延している。自動車の専門家やニュースの見出しによれば、Teslaが世界を征服し、自動車メーカーは将来的に交通会社になり、UberやLyftの登場が、私たちの知るこれまでの車の所有という概念が終わろうとしている。さらに、BeepiやCarvana、Vroom、Shiftといったオンラインの自動車販売サービスによって、自動車ディーラーという存在も無くなってしまうと言われている。対照的に、その他のニュースの見出しよれば、自動車の販売台数が過去最高を記録し、トラックが新車販売のカテゴリーを牽引している他、これまでの同世代に比べ、ミレニアル世代の車の購入台数は最も多い。

さらに、自動運転技術にはボンヤリとした疑問が残っている。UberやLyftは、できるだけ早くドライバーを要する既存の車を自動運転車に代えたいと考えおり、AppleやGMは理論上の自動運転業界での成功のために多額の資金を投入している。しかし、2009年から自動運転技術の開発に取り組んでいるGoogleでさえ、この先30年で完全に自動で走行する車が誕生するかどうか分からないでいる。

はっきりと言えるのは、自動車業界の将来の姿について様々な噂が飛び交っているということだ。シリコンバレーに住んでいる人のように、私は変化が起きると信じており、現状の自動車の所有方法は、破壊的イノベーションが起きるべき段階に達していると考えている。しかし、個人向け自動車販売台数が過去最高を記録する中、いつ、そしてどのように変化が起きるのだろうか？改革の担い手としては、Tesla、Uber、Google、Apple、Fordといった企業が想定されるが、どの予測も自動車業界全体の要となっている部分に言及していない。それが、地味ながら莫大な規模の自動車金融だ。この巨大金融市場が自動車業界全体を動かしている。

わかりやすい例として、アメリカの自動車ローン残高合計は現在1兆600億ドル以上に達している。この数字には、同様に巨大なリース市場が含まれていない。そしてアメリカで自動車ローンを提供する大手企業には、AllyやWells Fargo、ChaseそしてCapital Oneといった銀行の他、トヨタやGM、Fordといった自動車メーカーの金融子会社など、馴染みのある名前が並ぶ。資産区分を考慮すると、自動車ローンは、アメリカの住宅ローンや奨学金に続く残高を誇っている。

このように自動車ローンが大きな市場を形成しているのは明らかだが、そもそも何の関係があるのだろうか？それは、アメリカの自動車販売台数が、強大な自動車金融市場と表裏一体となっていることにある。アメリカの新車販売台数の実に86％に対して借り金が用いられているため、個人向けの金融商品無しに自動車は売れない。つまり金融サービスが自動車業界全体を下支えしているのだ。実際のところ、アメリカは他国に比べて自動車金融への依存度が圧倒的に高い。アメリカの新車販売台数を現在勢いで抜く中国では、新車購入者の内26％しか金融サービスを利用していない。

これが自動車業界の将来にどのような意味をもつのだろうか？

Teslaのモデル3やシボレー・ボルトのような新しいタイプの車が今後も登場し続け、そのような車に備え付けられた目新しい機能は、自動車の未来の到来を告げるものとして歓迎されるだろう。しかし、このような革新的な自動車も、大部分は昔からの方法で購入されることになる。つまり個人向け金融サービスが利用されるのだ。

これが未来の車の所有方法であるわけがない。UberやLyftのような企業の成功で、将来の自動車業界を支えるためにも、新たな所有の形が誕生する必要があるのは明らかだ。実際に、Uberは新しい車体のリース資金のため、最近ゴールドマン・サックスをアレンジャーとする10億ドルの貸出枠の契約にサインした。Uber（そしてウォール街）も、特にアメリカ人の月々の自動車ローン支払額が過去最大となり、自動車ローン残高も記録的な額に達する中、本契約についてもっと柔軟性が必要だということは理解している。

柔軟に自動車が利用できる他のサービスとしては、FordのCredit Link（自動車リース契約を複数人でシェアできるプログラム）やGMのMaven（オンデマンドのレンタカー）が挙げられ、未来の車の所有方法について示唆を得ることができる。このような新興サービスの成功には、強力な技術インフラが欠かせないが、これは今日の自動車金融市場を左右する要因からは大きくかけ離れている。

もしも自動車の個人所有からのシフトが起き、各家庭に平均2.06台あるとされる車が必要なくなるとすれば、自動車金融インフラの刷新が必要になる。最終的には、Googleの自動運転車が普及するかもしれないが、そこに至るためには、総額1兆ドルにおよぶ今日の自動車金融市場にいる多くのビッグネームのすげ替えが必要となるだろう。

［原文へ］

（翻訳：Atsushi Yukutake/ Twitter）