短期研修

自動運転システムの入門コース

ワークショップ
コース概要
  • 自動運転システムのセンサやソフトウェアの全体像や各社の開発アプローチを、基礎から短時間で学ぶ
  • 自動運転システムの基礎となる目標経路の設計方法を学び、開発体験を通して理解を深める
受講対象者

自動運転初学者

所要時間
3時間
開催形式
ワークショップ (講義・開発体験)

学習内容

スクロールできます

学習項目概要
自動運転システムの概要
  • システムのレベル定義
  • センサ構成とその特徴
  • 自動運転を実現するソフトウェアの要点
  • シミュレーションの役割
  • 自動運転システムの安全性の担保と評価
目標経路設計
  • 自動運転における経路設計の概要
  • 目標経路設計の開発体験
ミニレース大会
  • タイムアタック
  • 結果発表
  • ディスカッション

スライド例

入門コース スライド例1
入門コース スライド例2
入門コース スライド例3
短期研修

自動運転システムと車両制御の基礎コース

ワークショップ
コース概要
  • 自動運転システムのセンサやソフトウェアの全体像や各社の開発アプローチを、基礎から短時間で学び、開発体験を行う
  • 車両の加速・減速 (PID制御)、ステアリング制御 (PurePursuit) の理論を学び、開発体験を通して車両制御の全体像を理解する
受講対象者

車両制御初学者

所要時間
5時間
開催形式
ワークショップ (講義・開発体験)

学習内容

スクロールできます

学習項目概要
入門コースの内容
    加速・減速制御 (PID制御)
    • PID制御の概要
    • P制御、I制御、D制御の特徴
    • Pゲイン変更時の車速データ比較
    • I制御、D制御の注意点
    • プログラムの解説と開発体験
    操舵制御 (Pure pursuit)
    • 軌道追従アルゴリズムの全体像
    • 車両の運動学モデル (二輪モデル)
    • ステアリング角度の導出
    • 先読み距離の影響
    • プログラムの解説と開発体験

    スライド例

    基礎コース スライド例1
    基礎コース スライド例2
    基礎コース スライド例3
    長期研修

    自動運転システムの中級コース

    ワークショップ
    eラーニング
    コース概要
    • 自動運転システムのセンサからソフトウェアの全体像、開発アプローチの違いを、基礎から学べる
    • 障害物の検出から回避、自己位置推定など自動運転に必須の技術を開発体験する
    受講対象者

    車両制御初学者〜中堅技術者

    所要時間
    3カ月
    開催形式
    ワークショップ (講義・開発体験・演習課題) 4日 + eラーニング

    学習内容

    スクロールできます

    学習項目概要
    基礎コースの内容
      モデル予測制御の概要
      • モデル予測制御とは
      • アルゴリズムの解説
      • 障害物回避
      • MPCのパラメータ解説と開発体験
      センサ入力を使ったモデル予測制御
      • カメラ画像による物体検出 (YOLO)
      • センサフュージョンの概要
      • カメラと距離センサ情報を使った障害物回避
      自己位置推定の概要
      • 自己位置推定の手法
      • ルーズカップリング方式によるセンサフュージョン
      カルマンフィルタ
      • カルマンフィルタとは
      • 自己位置推定の開発体験
      • 経路追従制御への組込み

      スライド例

      中級コース スライド例1
      中級コース スライド例2
      中級コース スライド例3
      長期研修

      自動運転システムの応用コース

      ワークショップ
      eラーニング
      コース概要
      • 自動運転システムのセンサからソフトウェアの全体像を学び、障害物の検出から回避、自己位置推定など自動運転に必須の技術を開発体験する
      • 最新の自動運転技術 (E2Eや生成AIの活用など) を開発体験することで理解を深める
      受講対象者

      車両制御初学者〜中堅技術者

      所要時間
      6カ月
      開催形式
      ワークショップ (講義・開発体験・演習課題) 10日 + eラーニング

      学習内容

      スクロールできます

      学習項目概要
      中級コースの内容
        深層強化学習の概要
        • 強化学習とは
        • Q学習のイメージ
        • 深層強化学習
        • Deep Q-Networkのアルゴリズム
        • 車両への適用事例の紹介
        深層強化学習の開発体験
        • 学習用サンプルプログラムの解説
        • モデルの構築
        • 学習済みモデルの走行比較
        E2E自動運転システム、生成AIとLLMの可能性
        • 自動運転実現の課題:ロングテール分布
        • LLM・VLMを活用した周辺状況の認識
        • LLMを使った車両制御
        • E2Eシステムのアーキテクチャと各社の事例

        スライド例

        応用コース スライド例1
        応用コース スライド例2
        応用コース スライド例3

        カリキュラムは学習テーマや参加者レベル、ご要望に応じてカスタマイズも可能です。
        お気軽にお問い合わせください。

        お問い合わせ・ご相談