본 그룹에서는 자동 운전에 필요한 모범적인 운전 모델의 대상으로 자동차 운전 교습소의 교습 지도원에 주목하여 그 운전 행동을 규칙화한 운전 모델을 개발했다.

　또한 자동 운전에 특화된 고정밀 센서인 LiDAR(Light Detection and Ranging)의 관측 데이터와 고정밀도 지도를 비교하여 차량 위치 추정 및 장애물 감지를 높은 정밀도로 실시간으로 수행할 수 있는 자동 운전 소프트웨어 도입했다.차내에 설치한 카메라로 취득한 화상으로부터, 기계 학습 모델을 이용하여 드라이버의 얼굴 방향을 추정하는 기술도 개발했다.

　이들을 평가 지표로서, 수치 데이터화된 운전 행동을, 교습 지도원의 운전 모델을 이용해 평가하는 것으로, 우 좌회전 전의 차량의 대어 방법이나 육안에 의한 확인, 쇼트 컷, 대회 등 등의 운전 행동을, 교습 지도원과 동등한 정밀도로 정량적으로 평가할 수 있는 AI 교습 시스템이 구축되었다.본 시스템의 사회 실장에 있어서는, 평가 지표의 임계치로부터 일탈하는, 위험이라고 판정된 운전 행동에 대해서, 교습 지도원이 실시하도록, 자동으로 브레이크 제어를 실시해 위험을 회피하는 기능도 갖췄다.

　자동차 교습소는 교습 지도원의 고령화와 채용 난에 의한 인재 부족으로 강습 예약 대기(평균 2~3개월)가 문제가 되고 있다고 한다.이번에 제품화된 시스템을 자동차교습소에 적용함으로써 이러한 과제의 해결로 이어지는 동시에 자동운전기술의 지속적 발전에 기여하는 실제 데이터의 집적도 가능하다고 보고 있다.

참조 :【과학기술진흥기구】자동운전기술을 이용한 AI교습시스템의 제품화～AI를 활용한 자동차교습으로 안전한 교통사회 실현에 공헌～