AI教材

概要

Info

自動運転AIチャレンジ2025では、参加者が機械学習システムを自動運転で活用するスキル・経験を獲得できるよう、大会の課題を題材にした教材を提供いたします。

重要: この教材は競技とは独立した学習リソースであり、競技の採点には一切影響しません。

目的

実践的なスキル獲得の機会

自動運転業界では、従来の制御アルゴリズムに加えて、機械学習を活用したアプローチが急速に発展しています。本教材は以下の実践的なスキルを身につける機会を提供します：

• 実装スキル: 機械学習モデルをROSシステムに統合する実践的な経験

• システム理解: カメラ画像から軌道生成までのEnd-to-Endシステムの理解

• デバッグ能力: シミュレータ環境での機械学習システムのデバッグ経験

• 業界標準の習得: 自動運転業界で使用される標準的なツールチェーンの理解

• 複数台走行競技の来年度以降開催に向けた準備: より複雑な走行環境に対応するための準備

この教材の位置づけ

• 任意参加: 興味がある方のみが利用する完全オプション教材

• 競技への直接的な優位性なし: 公平性を保つため、競技採点には影響しません

• 学習の深化: Autowareの理解を深める補完的な学習機会

• キャリア形成: 将来的に自動運転業界で求められるスキルの先取り

提供教材

本年度はEmbodied AI（実世界とインタラクションする機械学習システム）をシミュレータと結合して動作させ、推論を実行できるコードをサンプルとして提供します。

• 自動運転AIチャレンジ2025の教材と結合可能な、機械学習モデルを使用して軌道生成可能なSample ROS Nodeを提供します。
• このSample ROS Nodeを参考に、以下のような発展的学習を進められることを期待しています。
  • 自分の使用したい機械学習モデルとシミュレータを結合し、走らせてみる
  • Sample ROS Nodeを使って走行を行い、tuningしてみる
  • 機械学習モデルを組み込んだシステムの実装方法について知識を得て、記事を書いてみる
• 機能概要
  • カメラから出力された画像を用いて、機械学習モデルによる推論を実行し、軌道データ（waypoint）を出力します。
  • 実装の詳細については Design: Sample ROS Nodeを参照。

Sample ROS Nodeと教材は以下のlinkより参照ください。

• AutomotiveAIChallenge/e2e-utils-beta
  • Sample nodeとtoolをまとめた実装が含まれています
• 実行方法、instructionを以下に提供しております
  • Getting started
  • Design: Sample ROS Node
  • Algorithms

本教材の想定読者

想定読者

本教材は以下のような方におすすめです。

• 自分自身で新しく機械学習モデルを作り、データを集め、学習し、AIチャレンジで使用するシミュレータと繋いで走らせてみたい方

• 新しいことにトライし、その経験や知識を記事やプレゼンテーションとして発表したい方

この教材では、自分自身の興味関心を基に、Embodied AIの領域を学習したい方向けに、その補助輪となるSampleを提供します。

• 自作した機械学習モデルを使ってみたいがどう繋いだらいいかわからない
• 機械学習モデルを使って実験してみたいという興味はあるが何から始めたらいいかわからない
• 新しいことにトライし、その経験や知識を記事やプレゼンテーションとして発表したいが、どういう内容を発表すればいいかアイデアが浮かんでいない

という方はぜひ使ってみてください。

自作した機械学習モデルを繋いでみたい方

以下の資料がおすすめです。Sample ROS Nodeの構成を学び、参考にし、ぜひ自作した機械学習モデルを使ってみてください。

• Getting started
• Design: Sample ROS Node

機械学習モデルを使って実験してみたい方

以下の資料がおすすめです。Sample ROS Nodeで使用されているアルゴリズムについて勉強し、動かしてみて、簡単な実験をしてみましょう。

• Getting started
• Algorithms

獲得した知識・経験をOutputしたい方

• 大きく分けて、以下の２つのOutput方法を期待しております。

1. インターネット上での共有

• GitHubでのコード公開
• 技術ブログでの実装レポート
• SNSでの成果発表

2. 予選表彰式でのプレゼンテーション企画

• 実装成果の報告
• 技術的知見の共有
• 参加者間での情報交換

重要な留意事項

競技への影響について

• 本取り組みは予選競技の採点には影響いたしません。 あくまで取組に興味を持った参加者が気軽に使える環境を提供することに限定されています。

まとめ

この追加的取り組みにより、参加者は実際の機械学習システムを自動運転環境で動作させる貴重な経験を積むことができます。Embodied AIとシミュレータの組み合わせにより、より実践的なスキルの習得が期待されます。 興味のある方は、ぜひお試しください。また、実装した成果については積極的な共有をお願いいたします。

FAQ

この教材は競技に必須ですか？

いいえ、必須ではありません。 この教材は完全にオプションであり、競技参加に必要な要素ではありません。純粋に機械学習と自動運転の統合に興味がある方向けの追加学習リソースです。

この取り組みを発表することでプレゼンテーション企画での評価は上がりますか？

いいえ。 この教材を使ったからといって評価が高くなることはございません。プレゼンテーション企画における評価基準はあくまでも公式サイトに記載の基準で評価いたします。

この練習用教材は競技で使用されますか？

いいえ。 この教材はあくまでも機械学習の応用事例として紹介しているだけで、競技では使用はいたしません。しかしながら、この教材を使って得た知見の一部を大会で役立てることはできる可能性があります。

プレゼンテーション企画で発表する内容として期待されているのはどんなことですか？

具体的な発表内容を運営から指定することはございませんが、具体的には下記の項目などを想定しております。

1. アルゴリズム選定の工夫

2. データセットの取得方法

3. 学習での失敗談、成功談

4. 推論時の工夫

この教材を使わなくても競技で不利になりませんか？

全く不利になりません。 競技は従来通りAutowareベースのアルゴリズム開発で十分対応可能です。この教材は、追加的な学習機会を提供するものです。

どんな人がこの教材を使うべきですか？

以下のような方におすすめします

• 機械学習と自動運転の統合に興味がある方

• 将来的に自動運転×AIの分野で活躍したい方

• 新しい技術にチャレンジしたい方

• 時間に余裕があり、追加学習をしたい方

最後に

自動運転AIチャレンジの本質は、参加者の皆様が自動運転技術を学び、成長することです。この教材は、その選択肢を広げるための一つのツールに過ぎません。ご自身の目的と興味に応じて、活用をご検討ください。

参考：モビリティ業界で活躍するためのスキル&キャリアパス

未来の移動体験を生み出すソフトウェアエンジニアのしごと図鑑2025

ただ走るクルマを作るだけがモビリティ業界じゃない。 人々の新しい移動体験を生み出すためには、ソフトウェアエンジニアのセンスとスキルが求められています！ IT業界とモビリティ業界の交差点に立つこのイベントでは、若手エンジニアには業界への第一歩を、シニアエンジニアにはリスキリングやキャリアチェンジのヒントを余すことなくご提供しました！

IT業界出身者がどんなスキルを活かせるのか？業界特有の課題ややりがいは何か？...etc 本イベントは、ソフトウェア技術者として次のステップを模索するすべての方に向けて、オンライン・オフラインのハイブリッド形式で開催されました。

大変革期を迎えるモビリティ業界を牽引するソフトウェアエンジニアたちの生の声を通じて、業界の魅力と可能性をお伝えしました。 → 詳細はMobility DX Platform公式サイトでご確認ください