TIER IVがMETEORをオープンソース化：8カメラ・単一ネットワークでJetson Orin上の認識と経路計画を同時実行

日本の自動運転企業TIER IVは、L2++研究向けのマルチタスクEnd-to-Endモデル「METEOR」を公開した。8台のサラウンドビューカメラ、カメラキャリブレーション、車速を入力とし、高精度地図には依存しない。ResNet-34／FPNで画像特徴を抽出した後、深度誘導型の逆透視マッピングによって、800×500、1セルあたり0.2メートルのBEV特徴へ投影する。続いて複数のタスクヘッドが、車線セグメンテーション、深度、2D／3D検出、占有・フロー、交通信号、リスクフィールド、他の交通参加者の予測、および信頼度付きの自車経路3本を出力する。ルールベースの安全チェックはニューラルネットワークの外部で別途実行される。

公開モデルのパラメータ数は54Mにとどまり、畳み込みバックボーンには2:4構造化スパース性を採用する一方、計画ブランチはDenseのまま維持されている。チームはPyTorchチェックポイント、opset 17のONNX、TensorRTのPython／C++ランタイム、匿名化された6つのデモシーンを提供している。公式測定によると、Jetson AGX Orin上でINT8、CUDA Graph、ゼロコピー入力を使用して8カメラ分の1フレームを推論した場合、レイテンシーの中央値は約67～70ミリ秒だった。モデルカードでは同時に、TensorRTエンジンをGPUアーキテクチャとバージョンに応じてローカル環境で再ビルドする必要があると注意を促している。

今回の公開におけるもう一つの実験的な焦点は、開発プロセスにある。学習ラベルはすべて、CoMETの教師モデル群がカメラ、LiDAR、測位データから生成した。さらにエージェントが、コード作成、学習、失敗分析、量子化、ハードウェアプロファイリング、候補バージョンのロールバックを担当した。人間は引き続き目標設定と結果のレビューを担っているため、「人間によるコーディングがゼロ」であっても、人間の意思決定や安全上の責任が存在しないことを意味しない。LiDARは学習用の教師信号を生成するために使用されるが、標準デプロイ時の入力は引き続きカメラのみである。

リポジトリでは、重要な失敗事例も明らかにされている。データキャッシュの不具合により、End-to-End学習に長期間にわたって全要素がゼロの履歴特徴が入力されていた。実際の履歴を復元すると、既存の重みによる経路性能は逆に33～38％悪化した。このため、現在のONNXでは時間的メモリが完全に削除されており、実質的には単一フレームモデルとなっている。これはアーキテクチャ図に示された時間融合能力との間に隔たりがある。プロジェクトはまだ、公開ベンチマーク、クローズドループシミュレーション、安全ケース評価を提供しておらず、公開デモデータにも正解ラベルは含まれていない。現段階では、実走行にそのまま投入できる運転システムではなく、再現可能なエッジデプロイメントのベースラインとして捉えるのがエンジニアにとって適切だろう。