软银公司与日本庆应义塾大学（Keio University）OMAE实验室合作，于2025年2月在庆应义塾大学藤泽校区（位于神奈川县藤泽市，SFC）启动了其远程自动驾驶支持系统的实地试验项目。在此次试验中，在边缘AI服务器AITRAS上运行的远程自动驾驶支持系统以及“交通理解多模态AI”，二者在支持自动驾驶运行方面的效用得到了评估。试验场景模拟了车辆在转弯时自动驾驶系统发生故障的情形，而且试验结果证实，该远程自动驾驶支持系统成功让车辆自动驾驶至安全停车位置。
有关该远程自动驾驶支持系统的概述
该款由软银研发的远程自动驾驶系统通过5G网络，将安装在自动驾驶汽车前置摄像头捕捉到的实时画面传输至边缘AI服务器AITRAS。该款感知AI系统，在边缘AI服务器中、配备了GPU（图形处理单元）的NVIDIA加速计算平台上运行，能够基于传输的画面快速识别障碍物和路面状况，并将处理结果实时反馈至自动驾驶汽车，从而实现对自动驾驶功能的实时支持。此外，AI处理流程采用了英伟达DeepStream SDK，其中集成了神经网络等复杂处理任务，以实现实时视频分析与追踪。
通过在边缘AI服务器上集中执行计算密集型AI处理任务，并仅将关键驾驶信息回传至自动驾驶车辆，该系统能够在不要求车辆配备大量计算资源的情况下实现自动驾驶支持。目前，该系统主要针对特定驾驶场景提供支持，但其未来目标是为各种驾驶状况提供支持。
实地试验样例
作为在SFC开展的实地试验中的一个用例，研究人员进行了一次评估试验，以验证当自动驾驶系统于弯道行驶时发生故障、无法确保连续安全驾驶时，在边缘AI服务器上运行的远程自动驾驶支持系统能否实现与标准自动驾驶系统相当的自动驾驶表现。在该场景下，自动驾驶系统的特定功能被特意禁用，而车辆在弯道行驶，由自动驾驶支持系统来提供支持。该款感知AI系统基于自动驾驶汽车摄像头捕捉的画面分析周围环境，并将信息传输给车辆。此外，处于风险最小化控制模式下的自动驾驶系统基于感知结果，可以规划行驶路径。该试验测试了在弯道视线受阻或探测到障碍物的情况下，车辆是否可以识别安全区域，并慢慢停下，而不是立即停下。
在此种情况，如果未能准确识别车道或探测障碍物，车辆就会存在车道偏离或与障碍物相撞的风险。因此，必须实时识别可行驶区域和障碍物的位置，基于识别结果，确定合适的行驶路径并提供相应的控制命令。在此次实地试验中，借助运行于边缘AI服务器AITRAS上的远程自动驾驶支持系统，研究人员们确认了即使在弯道行驶且存在障碍物的情况下，仍可实现自动驾驶功能。
与交通理解多模态AI集成在一起
通过将运行于边缘AI服务器AITRAS上的远程自动驾驶支持系统与交通理解多模态AI技术集成在一起，自动驾驶汽车即使在自动驾驶系统或感知AI单独无法应对的复杂且不可预测的情况下，也能继续平稳行驶。该款交通理解多模态AI技术基于通用AI基础模型打造，结合日本交通知识（包括交通手册和交通法规）和常见驾驶场景、不可预测驾驶状况中的风险因素及其适当的应对措施进行了训练。该款AI基于从自动驾驶汽车传输回来的驾驶录像画面和数据分析交通状况，并能够实时口头说明相关的风险和合适的应对措施。因此，即使自动驾驶汽车做出了错误决策或表现了异常行为，该系统也能通过远程支持实现安全驾驶。
在SFC进行的实地试验还包括评估“在人行横道存在障碍物的情况下行驶”的场景。在该项试验中，该款交通理解多模态AI分析了交通风险，并生成了停车指令。而远程自动驾驶支持系统将结果传输给自动驾驶汽车，以评估其是否能够慢慢地安全停下。评估结果显示，在边缘AI服务器AITRAS上运行的该系统，可实现向自动驾驶汽车低延迟传输停车指令；还证实了与未使用边缘AI服务器AITRAS的场景相比，该车能够在障碍物前安全地停下。
软银将通过持续学习现实驾驶环境中不可预测的驾驶风险以及相对应的应对措施，以提升其交通理解多模态AI的准确性。此外，未来软银计划利用其远程自动驾驶支持系统和交通理解多模态AI实现完全无人驾驶汽车的运行。软银将持续支持提升自动驾驶汽车的安全性、降低运营成本、解决相关挑战，同时推动自动驾驶的社会化应用研发。
CONTACT US
ICC APP
