山崎彬人（准教授）
研究室概要
本研究室では、画像処理と人工知能（AI）を用いて、運転支援技術や自律運転技術の研究開発に取り組んでいます。交通事故の多くはドライバの見落としや確認不足といった人的要因に起因するため、その低減には運転行動を客観的に分析することが欠かせません。そこで、車載カメラからドライバの顔向き・視線・姿勢を推定してどの対象をいつ確認したかを定量化する手法や、大規模言語モデルにより道路環境の文脈を理解し、ドライバが本来注意すべき対象を抽出する手法を開発しています。自律運転技術の分野では、小型電気自動車をオープンソースの自動運転ソフトウェアで走行させるシステムの開発に加え、視覚言語モデル（VLM）を用いた新たな自動運転にも取り組んでいます。VLMは画像と言語を統合的に理解できるため、学習データに含まれにくい稀な状況にも柔軟に対応できると期待されており、家庭用ゲーミングPCでも動作する軽量なモデルによって、限られた計算資源のもとでの実車走行を実現しています。また、高齢化に伴って自動車に代わる移動手段としての期待が高まるパーソナルモビリティについても、搭乗者の視認状態を考慮して衝突リスクを推定する電動車いすの運転支援技術を開発しています。これらの研究を通じて、人と移動体の安全を支え、一人ひとりに合わせた円滑な次世代の移動の実現を目指しています。
主な研究テーマ
- オープンソースソフトウェアを用いた小型電気自動車の自動運転
- 軽量な視覚言語モデル（VLM）による自動運転
- パーソナルモビリティ（電動車いす）の衝突回避支援
- 車載カメラ映像を用いたドライバの運転行動分析
- 大規模言語モデルによる交通環境の文脈理解
研究詳細/イメージ
１）オープンソースソフトウェアによる小型電気自動車の自動運転
トヨタ車体の超小型電気自動車「コムス」を自動運転化した車両を用い、オープンソースの自動運転ソフトウェアによる自動走行システムの開発を行っています。本学構内路を実際に走行させ、認識・判断・制御の各技術を統合的に検証しています。
２）軽量な視覚言語モデル（VLM）による自動運転
ChatGPTに代表される大規模言語モデルの技術を視覚情報の理解へ拡張した視覚言語モデル（VLM）を、自動運転に応用しています。一般的な家庭用ゲーミングPCでも動作する軽量なモデルを採用し、前方カメラ映像と言語による指示から走行経路と速度を導きます。少量の追加学習で本学外周路を1周走行させており、限られた計算資源でのVLM自動運転の実車実験に取り組んでいます。
３）パーソナルモビリティ（電動車いす）の衝突回避支援
免許不要で利用できるハンドル形電動車いすを対象に、歩行者と空間を共有して走行する環境での衝突回避支援を研究しています。複数のステレオカメラで周囲の歩行者を検出して一人ひとりの衝突リスクを推定するとともに、搭乗者の視線情報や死角からの飛び出しも考慮し、状況に応じて速度を抑えるなど、過剰な介入を抑えた運転支援を実現します。
４）車載カメラ映像を用いたドライバの運転行動分析
車載カメラの映像から、ドライバの顔向き・視線方向・姿勢を非接触で推定します。見通しの悪い交差点では、左右を見る確認行動だけでなく、死角を覗き込む前屈み動作も捉えられるほか、視線の先にある対象を外界映像上に重ねて可視化することで、ドライバが何を・いつ・どれくらいの時間見ていたかを定量化します。こうした分析により、運転指導員と高齢ドライバの行動を比較し、不安全行動を抽出することを目的としています。
５）大規模言語モデルによる交通環境の文脈理解
従来の運転行動分析では、ドライバが何を見たかは評価できても、本来何を見るべきだったかを扱うことは困難です。本研究では大規模言語モデル（LLM）を用い、道路環境の画像から「赤信号だから止まる」「横断歩行者に注意」といった文脈的な注意対象を抽出・構造化し、ドライバの実際の視認対象と照合します。これにより、確認行動の妥当性を客観的・定量的に評価します。
