本課題組以駕校培訓導師為目標，以自動駕駛所需的模型駕駛模型為目標，開發了規範駕駛行為的駕駛模型。

　此外，通過將自動駕駛專用高精度傳感器LiDAR（Light Detection and Ranging）的觀測數據與高精度地圖進行比較，自動駕駛軟件可以實時進行車輛位置估計和障礙物檢測時間精度高。我們還開發了一種技術，使用機器學習模型從安裝在汽車中的攝像頭獲取的圖像中估計駕駛員的面部方向。

　以這些為評價指標，通過使用訓練指導員的駕駛模型，對已轉換為數值數據的駕駛行為進行評價，例如左轉和右轉前如何移動車輛、視覺確認、捷徑、大轉彎等駕駛行為等。構建了可以以與培訓講師相同的準確性進行定量評估的AI培訓系統。在社會上實施該系統時，對於偏離評價指標閾值並被判定為危險的駕駛行為，還具有自動控制剎車避險的功能，就像培訓指導員所做的那樣。

　據說，駕校由於培訓導師的老化和招聘困難導​​致的人力資源短缺，存在等待課程預約（平均2至3個月）的問題。通過將此次商業化的系統應用到駕校，有望解決這些問題並收集有助於自動駕駛技術不斷發展的實際數據。

參考：[日本科學技術廳]使用自動駕駛技術的人工智能培訓系統的商業化-通過利用人工智能的汽車培訓為實現安全的交通社會做出貢獻-