ビジネスインフラのほぼあらゆる側面で既に不可欠となっているクラウドコンピューティングは、ソフトウェア定義車両（SDV）の開発および導入においても不可欠なものとなっています。 パブリッククラウドの主要プロバイダーであるAmazon Web Services（AWS Cloud）は、先進運転支援システム（ADAS）、自動運転、フリート管理、機械学習／AI （ML）、車両データ管理、およびコネクテッドカーのその他の多くの側面など、自動車業界のニーズに合わせてカスタマイズされたクラウドサービスを提供する上で、主導的な役割を果たしています。同社は、コンピューティング、データ管理、車両のプロトタイピングなど、幅広いサービスを提供しています。
クラウドも当社にとって重要な要素です。Sonatus は、当社の製品が持つこれらの機能を活用するクラウドソフトウェアを提供しています。このブログでは、クラウドが自動車メーカーにとってなぜこれほど重要なのか、そして特にAWSがコネクテッドモビリティをどのように牽引しているかについて解説します。
クラウドコンピューティング
クラウドコンピューティングの最も基本的な利点の一つは、変動する需要に応じてコンピューティング能力を柔軟に拡張できる点であり、これを受けて、AWSでは特にEC2（Elastic Compute Cloud）やEKS（Elastic Kubernetes Service）といったコンピューティング向けサービスが提供されています。 ビジネスのニーズに応じて、コンピューティングインスタンスを迅速に起動して稼働させることができ（必要に応じてほぼ瞬時に）、使用していない間は資本コストや運用コストを消費することはありません。これは企業にとって非常に強力なツールであり、企業がAWSクラウドを利用する方法を一変させました。
2つ目の、これと同様に重要なメリットは、計算、ストレージ、メモリ、および特殊な処理機能の幅広い範囲を提供する、驚くほど多様なコンピューティングインスタンスタイプです。自動車分野におけるArmベースのコンピューティングへの移行が進む中、AWSのインフラストラクチャは、ArmベースのAWS Gravitonプロセッサを搭載した高性能コンピューティングインスタンスを提供しており、自動車とクラウド間の「環境の整合性」を実現しています。
Sonatus Sonatus 車両プラットフォームを構成する製品群には、車載ソフトウェアおよび対応するクラウドソフトウェアが含まれており、これらはAmazon EC2とAmazon EKSの両方を基盤として、Kubernetesやコンテナ化されたワークロードなど、多種多様なAWSソリューションを活用して構築されています。
クラウドデータ管理
車両のコネクティビティによって生成されるデータ量は爆発的に増加しており、自動車業界にとってその収集、保存、アップロード、管理はますます複雑化しています。限られた範囲の車両テレメトリやセンサーデータは以前から存在していましたが、ソフトウェア定義車両（SDV）においては、より多くの車両システムがデジタル化・ネットワーク化されるにつれて、データ信号が急速に増加しています。 さらに、ビデオカメラ、レーダー、LiDARといった豊富なデータソースが普及し、より高度な機能を提供する一方で、その過程で生成されるデータ量も大幅に増加しています。最先端の自動車メーカーは、このデータを活用し、統合された「データレイク」を構築することで、組織全体からさまざまな方法でクエリを実行できる単一の信頼できる情報源（Single Source of Truth）を形成し、意思決定に知見を加え、一貫性を確保しています。
車載システムからデータを収集することで、新たなビジネスモデルの創出など、幅広いメリットがもたらされます。ここでは、車両とクラウドの接続を活用することで実現できる、数え切れないほどある興味深い車両データの活用事例のうち、ごく一部をご紹介します：
- 安全監視
- 故障診断
- 予測分析／予知保全
- 継続的なコンポーネントの最適化
- 効率の最適化
- 車両利用状況の分析
- 将来の車両計画
- 車両と信号機などの道路インフラとの間の通信（V2I）
- 周辺の他の車両間での通信（V2V）
車両から厳選された貴重なデータを収集する能力を向上させることは極めて重要です。Sonatus の「Collector」は現在、本番環境で稼働しており、OEMのお客様が実際の問題を解決し、顧客価値を高めることができる有用なデータベースを構築しています。Collectorは、さまざまなデータタイプをスケーラブルに保存し、幅広い自動車向けソリューションを実現するAWSのデータストレージサービスを完璧に補完するものです。
車両の仮想プロトタイピング
クラウドのもう一つの重要な用途は、ラピッドプロトタイピングです。自動車向けソフトウェアの開発は、複数のシステムが相互に連携する深く組み込まれた環境であるため、困難を伴います。さらに、市場投入までの期間短縮というプレッシャーが常に存在するため、ハードウェアと並行してソフトウェアを開発できることは非常に有益です。これは、ソフトウェア開発をサイクルのより早い段階で行うことを可能にするため、「シフトレフト」と呼ばれることもあります。
車両と互換性のあるアーキテクチャを備えたクラウドインスタンスを提供することで、クラウド上での開発と、その後の車両へのデプロイが可能となり、開発者の効率を大幅に向上させ、市場投入までの時間を短縮できます。この設計手法は、地域ごとに異なる要件に対応している可能性のある、複数の地域にまたがるチーム間の連携を促進することもできます。実際、ハードウェアの設計段階から、仮想プロトタイピングやソフトウェア開発を行うことさえ可能になります。
最も有能なチームは、ハードウェアが完成する前にこのアプローチを用いてデバッグを行っており、これにより市場投入までの時間を大幅に短縮し、バグ修正のためのハードウェアの反復サイクルを短縮できることが実証されています。また、OEM各社が、単一の固定機能を実行する専用ECUから、複数のコアを並列に配置し、ハイパーバイザーや仮想化技術によって管理される統合アーキテクチャへと車両アーキテクチャを移行させていることから、このプロトタイピング手法にはさらなる利点もあります。 この設計スタイルは、拡張性が高く、検証が容易であるだけでなく、プロトタイピングやその後の車両への量産展開において、クラウドの専門知識と合致しています。
Sonatus AWSを活用して自社開発のプロトタイプを作成することで、物理的なハードウェアを複製したり、テストを再開するために繰り返し電源を入れ直したりすることなく、実行できるテストケースの数を増やしています。
AI / 機械学習とデータ分析
説得力のあるデータセットを収集し、それをスケーラブルで柔軟なコンピューティングと組み合わせることで、これまでは決して実現できなかったような驚異的なデータ分析が可能になります。 さらに、機械学習（ML）機能の急速な拡大も相まって、データに対してこれまで以上に強力な問いを投げかけることが可能になります。MLアルゴリズムは絶えず進化・改善されており、クラウドコンピューティングの手法により、クラウド上でのモデルの迅速なトレーニングが可能となっています。特に、業界がADASや自動運転向けのMLベースのモデル開発に取り組む中で、クラウドモデルを車両に段階的に導入し、フィードバックを活用することで、新しいモデルが性能の低下を引き起こさないようにすることができます。
MLのもう一つの強みは、従来の手法ではコーディングが困難なパターンや異常を検出できる点にあります。多数の車両から得られるデータを分析することで、早期の警告サインとなり得るパターンを見出すことができます。例えば、スマートなデータ収集とMLを組み合わせることで、異常を先回りして検出し、危険なリコール事案に発展する前に是正措置を講じるようフラグを立てることができます。Sonatus OEM顧客はすでに「Sonatus Collector」を活用し、問題を未然に防ぎ、顧客のサービスニーズにより適切に対応しています。
ADASと自動運転
ADASや、それよりも高度な機能を備えた自動運転車の登場に伴い、大規模なモデリングとチューニングが必要となっており、クラウドはこうした技術の進歩や、拡張性のあるインテリジェント交通システムの実現に不可欠です。これらの作業の複雑さは、とりわけ高度な自動運転レベルにおいては、いくら強調しても過言ではありません。自動車業界全体でこうした機能を急速に向上させることは、クラウドコンピューティングと段階的なモデル改良によってのみ可能となるのです。
まず、自動車メーカーは、セルラーネットワークを介してコネクテッドカーからデータを収集・蓄積し、実際の運転タスクを反映したデータベースを構築することで、認識モデルや行動モデルを訓練することができます。このアプローチのメリットはそれだけにとどまりません。通常、通常の運転は「単調」であり、1回の走行あたりに発生する困難なシナリオはごくわずかだからです。 シミュレーション環境では、エッジケースを人為的に高速で再現することができ、実走データのみに基づくトレーニングと比較して、はるかに迅速なトレーニングの進捗を実現できます。「Sonatus 」車両プラットフォームを活用すれば、豊富なデータを収集し、ADASや自動運転の継続的な改善に必要な重要な分析を支援することができ、この重要な業務に携わるエンジニアたちに、新たな強力なツールを提供することになります。
CES 2024において、Sonatus とAWSは、車両が歩行者を検知できなかった場合など、遠隔車両診断を通じて交通安全を向上させるアプローチを実演しました。私たちは、Sonatus Collectorを搭載したコネクテッドカーが、不具合に関するデータをリアルタイムでクラウドに送信する仕組みを実演しました。クラウドに送信されたデータに対し、AWSは、高精度な機械学習分析ツール「Rekognition」や、車両に関する製造データ、および現在のソフトウェア・ハードウェアのバージョン情報など、複数のデータソースをリアルタイムで統合することができます。 この統合アプローチにより、歩行者検知用機械学習モデルの不備、カメラハードウェアの問題、あるいは車載のその他のデバイスに起因する問題など、車両が衝突警告を発しなかった原因を迅速に特定し、問題を速やかに解決することができます。
「The Garage 」ポッドキャストでさらに詳しく
このトピックに興味を持たれた方は、さらに多くのことを学べます。私は先日、当ポッドキャスト『The Garage 』のために、AWSのソフトウェア定義車両（SDV）担当ワールドワイド・テック・リーダーであるステファノ・マルザーニ氏と、全2回にわたる長時間の対談を行いました。その幅広い議論（第1部と 第2部へのリンク）では、上記のトピックすべてについて驚くほど詳細に掘り下げています。 このトピックについてさらに詳しく知りたい方、SDV分野における業界をリードする専門家の一人の見解を聞きたい方は、ぜひこの2つのエピソードをお聴き逃しなく。『The Garage 』ポッドキャストの全エピソードは、YouTube、Spotify、Apple Podcastsでご覧いただけます。今後のエピソードの配信通知を受け取るには、ぜひチャンネル登録をお願いします！