東京大学は1月21日、自動運転AI開発に不可欠な教師データ作成のため開発した3次元アンノテーションツール「Automan」について、オープンソースソフトウェア（OSS）として公開した（GitHub）。ライセンスはApache License 2.0。これは、アンノテーションツールの開発を行うFastLabel、Autowareの開発をリードするティアフォーの子会社Human Dataware Lab.との共同研究によるもの。自動運転領域でのAIの研究開発を加速させる。
東京大学大学院情報理工学系研究科の加藤真平准教授を中心とする研究グループは、科学技術振興機構（JST）の戦略的創造研究推進事業「完全自動運転における危険と異常の予測」において、完全自動運転中の危険と異常について、理論と実践の両面から実用的課題に取り組んでおり、そこには、機械学習技術に人間並みの判断を求めるよりも、危険や異常を感知したらすぐに停止することのほうが社会的な価値は高いとの理念があるという。そんな彼らは、限りなく100％に近い精度で危険と異常を予測し、最小限の移動量で安全に停止できる自動運転システムのプロトタイプを完成させた。
この成果を普及させるには、第三者が研究成果を再現できることが重要だが、それには自動運転システムのAI基盤が必要、またそれを構築するには高品質な大量の教師データが欠かせない。ところが現在、そうした教師データの作成はマンパワーに頼った労働集約型で行われているため、教師データ不足や品質の問題が発生し、自動運転AIの研究はなかなか進んでいないのが現状だ。
そこで研究チームは、FastLabelが提供するアンノテーション・プラットフォームFastLabelと連携し、自動運転AIが用いる画像と点群のデータへのアンノテーションの自動化に取り組み、今回AutomanをFastlabelおよびHuman Dataware Lab.と共同で開発。OSSとして公開するに至った。
また同研究では、3次元アノテーションを自動運転システム全体のCI/CD（Continuous Integration / Continuous Delivery）に組み込めるインターフェースを設計したことで、自動運転AIの開発サイクルを改善することを可能としたという。
今後は、外部からの攻撃に備えるため、脆弱性に対する研究を進めつつ、「走れば走るほど賢くなる自動運転システム」を目指して、自動運転の実用化を加速するという。
