EV充電口の高精度検出を実現する新型AIモデル
自動車産業が電動化と自動化の時代に突入する中、ユーザー体験の最終的な完成度を決めるのは、バッテリーの容量や充電速度といった大規模な技術革新だけではない。むしろ、その最後の数センチメートル——充電ケーブルを車両の充電口に正確に接続するという、一見些細なプロセス——が、次世代のスマート充電インフラの鍵を握っている。完全に自動化された無人充電ステーションの実現には、ロボットアームが人間の目のように、あらゆる環境下で充電口を確実に見つける能力が不可欠だ。この技術的課題に正面から取り組み、画期的な解決策を提示したのが、中国・河北科技大学の研究チームである。
趙暁東（Zhao Xiaodong）博士をリードし、劉瑞慶（Liu Ruiqing）、王向（Wang Xiang）、温士涛（Wen Shitao）らが共同で開発したこの新技術は、ディープラーニング分野で広く使われる物体検出アルゴリズム「YOLOv5」を、電気自動車（EV）の充電口という極めて特殊なタスクに特化して再設計したものだ。彼らの研究は、複雑な背景や不均一な照明条件下でも、充電口を94.75%という驚異的な精度で検出できるだけでなく、モデル自体を劇的に軽量化し、実用性を飛躍的に高めた点で、大きな注目を集めている。この成果は、Journal of Chongqing University of Technology (Natural Science)に掲載され、実世界への応用可能性を明確に示している。
無人自動充電システムの開発者たちが長年直面してきた最大の障壁は、「視覚」の信頼性だ。屋外の直射日光が車体に強い反射を生じさせ、充電口が影に隠れてしまう地下駐車場、あるいは車両が斜めに停車して口が見えにくい場合。こうした多様な現実世界のシナリオでは、従来のAIモデルは容易に混乱し、誤検出や検出漏れを起こす。特にEVの充電口は、車両の色と同化しやすく、サイズも小さいため、いわゆる「小目標検出」の難易度が非常に高い。これらの課題を克服するには、単なる計算力の強化ではなく、より賢く、効率的で、環境に強いAIアーキテクチャが必要だった。
趙博士のチームは、この課題に「総合的かつ精密な外科手術」のようなアプローチで挑んだ。彼らはYOLOv5の基本的な骨格を維持しつつ、その神経ネットワークの4つの主要な構成要素——特徴融合の仕組み、特徴抽出のバックボーン、情報の重み付け方法、そして学習の指針——をそれぞれ最適化し、全体としてシナジーを生むように設計した。
第一の革新は、情報の流れを根本的に変える「双方向特徴ピラミッドネットワーク（BiFPN）」の採用である。従来のYOLOv5は「FPN（Feature Pyramid Network）」を使用しており、これは深層から得られる高次の意味情報（「これは車だ」という認識）と、浅層から得られる高解像度の細部情報（「ここに角がある」という輪郭）を融合する。しかし、この融合は一方向的で、細部情報が途中で失われやすかった。BiFPNはこの流れを双方向にし、深層と浅層の間で情報を双方向にやり取りできるようにした。さらに、BiFPNは「重み付き融合」という機能を持ち、ネットワーク自身が「この情報は重要だ」「こっちはノイズだ」と判断して、各特徴の重みを動的に調整する。これにより、薄暗い駐車場でも、あるいは強い反射がある中でも、充電口に特有の微細な特徴を強調し、検出精度を劇的に向上させることができる。
第二の革新は、モデルの「軽さ」を追求した「GhostNet」バックボーンの導入である。無人充電アームに搭載されるAIは、膨大な計算リソースを消費する大型モデルを搭載できるわけではない。リアルタイムで動作し、かつ電力消費も抑える必要がある。そこでチームは、従来の「CSPDarknet」の代わりに、モバイルデバイス向けに設計された超軽量な「GhostNet」を採用した。GhostNetの核心は「Ghostモジュール」にある。通常の畳み込み層は、多数のフィルターを用いて特徴を生成するが、その多くは冗長な情報である。GhostNetは、まず少数の「実在の」特徴を生成し、それに対して非常に軽い計算で多数の「幽霊（Ghost）」特徴を派生させる。これにより、計算量（FLOPs）とパラメータ数を大幅に削減しながら、十分な特徴抽出能力を維持する。この変更により、モデルのサイズは驚くべきことに13.7MBから6.76MBへと、実に6.94MBも削減された。これは、同じ精度を保ちながら、ハードウェアのコストと消費電力を半減させるという、実用上極めて大きな意味を持つ成果だ。
第三の要素は、ネットワークの「集中力」を高める「SENet（Squeeze-and-Excitation Network）」の注意メカニズムの導入である。画像の中には、充電口の検出に不要な情報が山ほどある。車体の塗装、他の車両、看板、影など、これらはすべてAIの判断を惑わすノイズとなる。SENetは、ネットワークが各特徴チャンネル（色、テクスチャ、エッジなど）の重要度を自動的に学習し、重要なものには重みを、不要なものには重みを下げることで、「注目すべきポイント」を自動的に選別する。例えば、充電口の黒い樹脂部分や、特徴的な形状の輪郭に焦点を当て、周囲の反射や色調の変化には反応しないようにする。これにより、AIは「何に注目すべきか」を学び、複雑な環境下でも安定した判断を下せるようになる。
最後の革新は、学習の「指針」をより正確にするための損失関数の改善である。AIは、自分の予測がどれだけ正しかったかを「損失関数」という数式で評価され、その誤差を元に学習を進める。従来のYOLOv5は「CIoU Loss」という関数を使用していたが、これは予測ボックスと正解ボックスの重なり、中心点の距離、そしてアスペクト比（縦横比）を考慮するものだった。しかし、アスペクト比の計算に曖昧さがあり、特に細長い充電口のような形状では、正確な位置合わせが難しかった。チームはこれを「EIoU Loss（Efficient IoU Loss）」に置き換えた。EIoUは、アスペクト比の誤差を、幅の誤差と高さの誤差に分けて独立して計算する。これにより、AIはボックスの「幅」と「高さ」を別々に、より正確に調整できるようになり、最終的に得られる検出枠が、実際の充電口の形にきわめて精密にフィットするようになった。これは、ロボットアームがケーブルを差し込む際に、ミリ単位の精度が求められる点で、極めて重要な改良である。
これらの改良がもたらした成果は、実験データによって裏付けられている。研究チームは、都市部の充電ステーションで実際のEVを撮影し、さらに明るさやコントラストを変えることでデータを増強した、3,200枚の独自データセットを構築した。このデータセット上で、改良前後のモデルを比較した結果、精度（mAP）は89.7%から94.75%へと5ポイント以上も向上した。そして何より、モデルサイズは6.94MBも小さくなった。処理速度も122FPSと、リアルタイム処理に十分な性能を維持している。
他の主要な物体検出モデルとの比較でも、この新モデルは圧倒的な優位性を示した。Faster R-CNNは精度が60.4%と低く、モデルサイズも84.7MBと巨大で実用的ではない。SSDとYOLOv3もそれぞれ80.6%、84.3%と、新モデルには及ばなかった。特に注目すべきは、YOLOv5自身との比較だ。新モデルは、YOLOv5の精度を上回りながら、モデルサイズをその半分以下に抑えている。これは、「より小さく、より速く、より賢く」という、実用AIに求められる全ての要件を満たす、非常に稀有な成功例である。
この研究の真の価値は、実験室を出た先にある。この技術が実装されれば、ユーザーは車を指定の位置に停めるだけで、あとは何もする必要がなくなる。充電ステーションのロボットアームが、AIの目によって充電口を瞬時に特定し、正確にケーブルを差し込む。これは、高齢者や障がいを持つ人にとっての大きな利便性となるだけでなく、24時間稼働するロボタクシーや物流車両の自動充電を可能にする。つまり、この一見地味な「視覚技術」の進歩が、モビリティの未来そのものを形作っているのだ。
趙暁東、劉瑞慶、王向、温士涛、河北科技大学、重慶理工大学学報(自然科学)、doi: 10.3969/j.issn.1674-8425(z).2024.07.015