自動運転AIチャレンジ (シミュレーション、自動運転)

データ活用と開発効率化で挑む、自動運転シミュレーション

Automotive AI Challenge 決勝のコースの様子

「自動運転AIチャレンジ」は、自動運転ソフトウェア「Autoware」を用いたシミュレーション競技です。専門外の学生チーム2名で挑み、限られたリソースの中で最大限の成果を出す戦略を取りました。

項目	内容
開発期間	約3ヶ月
チーム構成	2名
使用技術	Python (Optuna, SciPy, NumPy), Docker, Autoware
役割	ツール開発、シミュレーション基盤構築、パラメータ最適化
成果	予選：学生部門4位 / 決勝：学生部門5位

1. 独自開発ツールによる作業効率化 詳細なコースデータを効率的に作成するため、Python製のGUIツール「CSV Editor」を自作しました。手作業でのデータ編集ミスを撲滅し、試行錯誤のサイクルを高速化しました。これはチームの「手数」を最大化するための重要な戦略でした。

2. Dockerによる並列評価環境の構築 シミュレーションの評価時間を短縮するため、Dockerコンテナを活用した並列実行環境を構築しました。これにより、パラメータ変更ごとの検証時間を大幅に削減し、短期間で数多くの実験を行うことが可能になりました。

3. Optunaを用いたパラメータ探索の自動化 車両制御パラメータの調整において、手動調整だけでなく Optuna (ベイズ最適化フレームワーク) を導入しました。感覚に頼らないデータドリブンなパラメータ決定を行い、安定した走行性能を実現しました。

4. SciPyによる経路最適化 コース取りの最適化には SciPy のスプライン補間を利用。滑らかでかつ最短に近い走行ラインを数学的に算出しました。

専門知識の不足を「開発力（ツール自作）」と「自動化（Optuna, Docker）」で補う戦略が奏功し、決勝進出を果たしました。困難な課題に対しても、エンジニアリングのアプローチで解決策を見出す自信がつきました。