ClearView mirror showing 3 views: behind the vehicle and both sides which helps with a wider field of vision and reducing blind spots.

Blog

高性能の集中型計算によるADASアーキテクチャの再考

イノベーションと洞察

スレシュ・ボッディ, エンジニアリング担当副社長 - 高性能コンピュート&テクノロジーパートナーシップ - ADAS/AD
6月 03, 2026
4-min read

センサーが多いからといって自動的にADAS性能が向上するわけではありません。車両がカメラ、レーダー、熱感知、超音波、LiDARを搭載するにつれて、課題はデータ収集よりも、そのデータがどのように処理され、融合され、どのように行動されるかに大きくなってきます。

多くの従来型アーキテクチャでは、センサーやドメイン固有のECUが生の入力をオブジェクトリストに事前処理してから転送するため、コンテキストや柔軟性が下流で制限されることがあります。このアプローチは初期のADAS機能の開発を支援しましたが、車両アーキテクチャがソフトウェア中心の設計へとシフトし、認識要件が複雑化するにつれて、スケールはますます困難になっています。

ある程度を超えると、分散センサーを増やすことは、能力向上よりもコストと複雑さを速く増加させます。次のステップは、既存センサーのデータを高性能の集中型計算に融合させることで、その価値をより高く引き出すことです。正しく実施すれば、認識が向上し、よりスケーラブルなソフトウェア開発が可能になり、能力向上ごとに新しいセンサーやECUを次々と追加する必要が減ります。

集中型計算により、より豊かなセンサーデータを早期に融合し、より大きな文脈で解釈できるようになります。事前処理されたオブジェクト出力に頼る代わりに、高密度の生入力を高帯域幅の接続で組み合わせることで、より堅牢な知覚スタックを作成できます。例えば、熱データとレーダーデータを融合させることで、低照度環境での検出と分類が向上し、どちらのモダリティだけでも達成できない認識を拡張し、特定の用途で有利なコストやパッケージングのトレードオフを可能にします。

集中型計算とマルチモーダルセンサー融合への影響

それぞれのセンシング方式には異なる強みと限界があります。カメラは豊かな視覚的ディテールを提供しますが、照明条件に敏感であり、レーダーは悪天候や長距離でも信頼性が高く、意味的な詳細は控えめです。熱感知は視界が低い状況で、特に脆弱な道路利用者や動物の検出において認識を拡大します。高性能計算ユニット(HPCU)を介して融合することで、これらの補完的なデータストリームは互いの制限を相殺し、より堅牢な知覚モデルを可能にします。

集中型融合は、現代のAIベースのエンドツーエンド知覚手法をよりよくサポートしており、硬直的で手作業で設計された検出パイプラインよりも、豊かでマルチモーダルな入力をより効果的に活用できます。これは特に、高速道路上の漂流物、歩行者、道路利用者と背景の雑音の異常な重複など、曖昧な状況で重要であり、文脈的な理解がシステムが適切に反応するかどうかを判断します。

マグナとNVIDIAのパートナーシップ

マグナはNVIDIAのDRIVE AGX Thor SoCを HPCUロードマップに統合し、高性能で安全性重視の計算とマグナのソフトウェア、システム統合、検証機能を組み合わせて、乗用車向けのL2+からL3までのスケーラブルなADAS/ADプログラム、L4のロボタクシーや個人のL4自律性をより高度なアプリケーションへとサポートしています。

この協力はシリコン統合を超えHyperion互換センサーやECU、さらにはより広範なTier-1システム統合サポートにも拡大しています。実際には、マグナはOEMが計算プラットフォームを車両システム全体と接続するのを支援しており、ハードウェア(HPCU、センサー)、ソフトウェア、テスト、実世界検証の調整を行っており、プログラムごとにパーツをつなぎ合わせるのではなくなっています。

p統合や検証の複雑さを減らすことで、OEMは市場投入までの時間を短縮し、エンジニアリングリスクを削減し、各新プログラムごとにソフトウェアやテストスタックのコア要素を再構築する必要を回避できます。/p

なぜこれがOEMにとって重要なのか

共有された集中型計算アーキテクチャは、ADASレベルや車両セグメントにスケールし、OEMはトリム間で差別化された機能セットを実装し、コアソフトウェアや統合作業を重複することなく実現できます。分散型計算ノードの数を減らすことでシステムの複雑さが軽減され、ソフトウェア展開の簡素化、設定およびバージョン管理のオーバーヘッドの削減、OTA更新ワークフローのスケーラビリティの向上につながります。

知覚モデルがよりデータ駆動型かつマルチモーダル融合アプローチへと進化する中で、モデルの複雑さ増加やデータスループットの要求に応えるための計算プラットフォームはすでに整備されています。これにより、車両アーキテクチャはSOPで定義された固定機能セットに機能を制約するのではなく、より長期的な適応性へとシフトします。

これらの利点を実現するには、検証はシステムの複雑さに応じてスケールしなければなりません。したがって、中央集権型の計算アーキテクチャは、シミュレーション、SIL/HIL環境、フリートベースの検証を含む、緊密に統合された開発およびテストインフラを必要とします。マグナは、ハードウェアインザループテスト、実世界のフリート検証を通じてこれをサポートし、より高速な反復サイクルを可能にしつつ、本番環境リリース前にカバレッジとシステムレベルの信頼性を維持します。クラウドベースのシミュレーション、ハードウェアインザループテスト、実世界のフリート検証を通じてこれをサポートし、より高速な反復サイクルを可能にしつつ、本番環境リリース前にカバレッジとシステムレベルの信頼性を維持します。

さらに、E/Eアーキテクチャ、知覚アルゴリズム、検証ツールに特化した専任のソフトウェアおよびシステムエンジニアリングチームを含むマグナのグローバルエンジニアリングネットワークによっても支えられています。この機能により、アーキテクチャ定義から本番レベルの中央集権型計算システムの検証に至るまで、開発ライフサイクル全体にわたるサポートが可能です。

真の変革はアーキテクチャにあり

HPCUの核心的な価値は単なる計算性能の向上ではありません。これは、知覚を孤立したセンサーやECUの集合体ではなく、システムレベルの能力として扱う能力です。このアーキテクチャの転換により、システムの複雑さが軽減され、プログラム間でのソフトウェア再利用が改善され、OEMはコスト、統合作業、検証負担を線形的に増やすことなく、車両ラインや価格帯でADAS機能を拡張できるようになります。

したがって、ADAS/ADの次の章はセンサー数だけでなく、生のセンサーデータをスケーラブルで更新可能かつ本番環境に対応できるインテリジェンスへと変換できるアーキテクチャによって定義されます。

システムの複雑さを増やさずにADAS/ADの機能を拡張したいですか?マグナは高性能な集中型計算・センサー、センサー融合、システムレベルの統合を提供し、L4アーキテクチャへの明確でスケーラブルな経路を実現します。次世代のADAS/ADロードマップを加速するために、ぜひご連絡ください。

*この文書は人間の監督のもとMicrosoft Translatorを用いて翻訳されました。