【開催レポート・後編】第5回京大ミートアップ｜フィジカルAI最前線 / 開発者向けブログ・イベント

AI 研究の世界で、ゲーム領域から現実世界へ技術をスケールさせる挑戦は多く語られてきました。しかし実際に、ゲームで育てたAIを“公道を走る自動運転AI”に進化させた研究者はそう多くありません。
第5回京大ミートアップ＜後編＞は、強化学習の“限界”に挑むTuring妹尾氏のセッションをご紹介します。

Session3 『強化学習の限界を探る E2E 自動運転開発』

妹尾卓磨氏
Turing株式会社スタッフリサーチャー

SONY時代：ゲームの中に“最強レーサーAI”を生み出す

妹尾氏がまず向き合ったのは、ソニーのレースゲーム「グランツーリスモ」を舞台に、強化学習で世界最強レーサーを超えるAI「GT Sophy」を作るプロジェクトでした。このAIはただ速いだけでなく、レースマナーまで理解し、人間のトッププレイヤーを凌駕。成果はNature誌に掲載され、世界的に注目されました。特に象徴的だったのが、その学習環境です。

SONY社内クラウドで大量の PlayStation を同時稼働
AI が自力でレースを“何十万回も走り続ける”訓練環境
制御・戦略・接触回避など複雑な行動を統合的に学習

つまり「大規模シミュレーション × 強化学習 × 実行環境のスケール」の力を最大限活用した研究でした。この経験が、後の自動運転研究の大きな土台となります。

Turingでの挑戦：公道を走る“学習型ドライバーAI”へ

Turing転職後、妹尾氏が挑んでいるのは 画像入力のみで運転判断を行うEnd-to-End自動運転。技術はすでに高難度の走行レベルに到達していて、さらにその先を目指す技術基盤を構築しているとのことでした。

実写級3D再構成シミュレーター「ATLAS」

3D Gaussian Splatting技術を用いて、

実車走行の映像をそのまま3D化
任意の視点で自由に再シミュレーション
“歩行者がいる左折1000シナリオ”などを自動生成

といった“現実をコピーして量産する”次世代シミュレーション環境を構築。
これにより、従来のゲームエンジンでは再現困難だった複雑な運転状況でも、大量の学習データを瞬時に生成できます。

大規模計算資源 × 強化学習

Turingでは全体として富岳の約40％に相当する計算リソースを保有しており、この計算基盤があるからこそ、必要なタイミングで数百〜数千並列の強化学習実験を回せる環境が整っています。
強化学習を活用することで、失敗から学ぶことや、運転行動の因果関係を捉えること、制御まで含めた最適化が可能になります。その結果、これまで苦手だった右折動作などについても改善が進み、入社後わずか3カ月で日本初となるE2E強化学習モデルの公道走行を実現しました。