AIBR プレミアム
拓海さん、この論文って要するにどんなインパクトがあるんですか？小さなドローンでもAIで自律飛行できる、という話ですか。
素晴らしい着眼点ですね！その理解はほぼ正しいです。結論から言うと、数十グラムのナノドローン上でDeep Neural Network（DNN、深層ニューラルネットワーク）を動かして実時間で視覚ナビゲーションを実現した点が最大の革新です。
従来はパワーが足りなくて無理だと聞いていますが、どうやって電力問題をクリアしたのですか。
いい質問ですね。ポイントは三つです。第一に、計算プラットフォームにGAP8 SoC（高効率並列超低消費電力SoC）を使い、ハードウェアの効率で突破しています。第二に、ニューラルネットワーク側で軽量化したDroNetのような設計を採用しています。第三に、ソフトウェアを並列処理向けに最適化し、必要なフレームレートを低消費電力で賄えるようにしているのです。
これって要するに小型の機材でも商用に使えるレベルの自律性が取れるということ？投資対効果は合いそうですか。
要点を整理しますと、1) ハードの選定で電力問題を劇的に改善している、2) モデルを実務に耐える軽さに作り替えている、3) 実機での閉ループ評価を示している、の三点です。これによって用途次第では投資対効果が見込める状況が生まれますよ。
現場だと障害物回避や安定飛行が一番心配です。実際に飛ばして試したという証拠はありますか。
その心配は的確です。論文ではCrazyFlie 2.0という実際のナノUAVで閉ループの実験を行い、6fpsでの連続視覚ナビゲーションを実現していると報告しています。実機評価があるため、シミュレーションだけの理論とは違って現場適用の信頼性が高いと言えます。
導入コストや人材育成の面ではどう考えればいいですか。社内で使いこなせるようになりますか。
大丈夫、可能です。要点を三つで示します。第一にハードは市販のCOTS（Commercial Off-The-Shelf、汎用市販品）を使っており初期投資を抑えられる。第二にコードとデータが公開されているためカスタマイズのハードルが下がる。第三に運用は段階的に現場で試して改善することで内製化が進みます。
なるほど。これって要するに、小さな飛行体でも実用的な視覚ベースの自律動作が可能になり、今まで外注していた処理や高価な機材が不要になるということですか。
その理解で合っていますよ。要点をまとめると、1) エッジ側での高効率計算により外部演算に依存しない、2) 軽量な学習モデルでエネルギーと遅延を削減する、3) 実機検証で実用性を示した、の三つです。大丈夫、一緒にやれば必ずできますよ。
分かりました。要は、小型でも自律する技術が実運用のレベルで示されているので、目的次第では社内で段階的に導入を進められるということですね。ありがとうございました、拓海先生。
