自動運転技術や各種最先端技術を駆使しながら、「よりラクチンに」「より便利に」移動できる未来がやってくる。しかし、それを本当に必要とするのはどんな人なのだろうか？　ここでは、芝浦工業大学の伊東教授に話を伺いながら、「モビリティ」という概念が生まれた背景とともに、この技術によって解決すべき本質的な問題は何かを探っていく。

モビリティで移動はさらに便利になる

2018年1月、米国ラスベガスでおこなわれた『CES 2018』にて、トヨタ自動車の豊田章男社長が「モビリティ・カンパニーへと変革する」と宣言をおこなった。以来、広く一般にも注目されることとなった「モビリティ」なるワード。本来は「移動性」や「流動性」といった広義の英単語だが、いまや「未来の移動手段」といった意味合いで使われることが多い。

さらに、日本政府も「未来投資戦略2018」のなかで「MaaS（Mobility as a Service）」の推進を重点分野に掲げた。マース（MaaS）とは、鉄道やバスなどの公共交通機関、タクシー、カーシェア、サイクルシェアといった移動手段（マイカーを除く）を、シームレスに連携させていこうとする試みだ。スマホのアプリで出発地から目的地までを検索、そこで提案されたルートの予約から支払いまでも一元化していこうとしている。

「未来の移動」が変わろうとしている理由

「モビリティ」なるものがなぜ注目されるようになったのか？　そこには、自動運転技術やEV自動車の進化がある。さらには、AI（人工知能）、IoT（モノのインターネット）、IoE（すべてがインターネットでつながること）といった、自動運転や各種連携をサポートする最先端技術が生まれたことも大きい。これにより、さらに「便利」な「未来の移動手段」を描くことが可能になったのだ。

「1996年、国土交通省が自動ブレーキ化を進めるプロジェクトをスタートしました。それ以前から大手メーカーは研究を進めていましたが、ここで日本企業が一斉に開発をスタートしたのです」

そう語るのは、芝浦工業大学 システム理工学部 機械制御システム学科 運転支援システム研究室の教授である伊東敏夫氏。伊東教授は、かつてダイハツ工業にて各種運転支援システムを開発してきた経歴をもつ。

芝浦工業大学 伊東敏夫教授

「ダイハツ時代は安全性の向上のため、ぶつからない車を作ることからスタートしました。自動ブレーキを完成させるためには、スロットルとブレーキ制御の技術が必要になります。さらには、センシングの技術も必要。すると、前走車に追従したり、車線に沿って走ったりと、自動運転への道が自然と開かれるようになるんです」

自動車の自動ブレーキは2010年頃から商品化がスタート。その後、自動運転機技術の向上とともに、工場の作業車やドローン、さらには家庭用掃除機に至るまで、あらゆるものを自動運転させる試みが生まれていった。

ラストワンマイル問題の
解決策は見つかるのか

芝浦工業大学でも、「アーバン・エコ・モビリティ研究拠点の形成」という事業を2018年度よりスタート。都市を拠点とする同大学の強みを生かしながら、[都市の「交流」「物流」「環境」をエンジニアリング技術・人材により支える]という組織的なテーマを設けて研究を進めている。これは、2018年度の文部科学省市立大学研究ブランディング事業採択プロジェクトでもある。

では、都市の課題とは何か？　芝浦工業大学では、「交通渋滞」「ラストワンマイル問題」「コミュニティの喪失」「インフラの老朽化」「エネルギー負荷」「環境負荷」「高齢化」の7つを挙げている。それらを、同大学が得意とする「パワー・エレクトロニクス」「高機能性材料」「自動走行」「ロボット・ネットワーク」という4つの研究領域を駆使しながら、地域、産業界、自治体などと共に解決しようとしている。

伊東教授が率いる研究室は、「自動走行」が専門領域である。解決しようとしている都市の課題は「ラストワンマイル問題」。ラストワンマイルとは、最寄りのバス停から自宅まで、最寄り駅から病院までなど、近くの拠点から最終目的地までの区間を指す。それがなぜ「問題」なのかといえば、道が細かったり、道路が整備されていなかったり、建物内だったり、走行条件が複雑すぎて各種センシングが難しく、自動運転の実現が困難だからである。

「技術面での一番の問題はセンサーです。日々進化はしていますが、それでも数十年レベルでは人間の能力を超えることは不可能だと思います。道路に亀裂が走っていたり、崖から石が落ちてきたりなどには対応できません。そのため、周囲のインフラからサポートしてもらわないといけないわけです。つまり、自動車においては、しっかりと整備された高速道路でしか、今のところ自動運転が実現できないわけです」

首さえ振れば、上下左右360°近い環境を認識できる人間の能力はそれほどすごいのである。

本当に自動運転を求めているのは誰なのか？

「でも、自動運転を本当に必要としているのは、何らかの理由で運転ができない人ですよね？　そういった方々の多くは、一般道や過疎の山道を使う人なわけです。しかし現状としては、必要としている人が少ない高速道路で、しかも高級車から導入されていく…。そこで、自動運転が一番必要な人の乗り物を考えたときに、まずは電動車いすが浮かびました。でも、そのサイズだと車体が小さすぎてバッテリーがもたない。そこで電動シニアカーに注目したわけです。どちらも法律的には歩行者扱いで免許がいらない。また、それを必要としている方々は経済的にも裕福ではないと思われるので、普及させるためには安価に自動化させる必要があるとも考えました」

伊東教授が現在進めているのは、自動運転に最低限必要な装備をボックス化して、どんなシニアカーにも「後付け」で装着できるというもの。シニアカーは幅が約60cmとコンパクトなのでビルや病院であれば部屋まで入ることができ、エレベーターにも乗ることができる。究極のラストワンマイル・モビリティなのだ。

どんなシニアカーにも後付けできるのが魅力。乗員の状況も検知するので、何か異常があれば家庭などと通信することも可能。今後は電波レーダーを歩行者に向けて照射し、非接触で心拍数を測定することで生き物かどうか、おかしな状況でないかを計測していきたいという。

「LiDARで対象物までの距離や位置、形状を検知しています。一度通った場所は覚えているので、GPSがなくても走行できます。あとは、360°の魚眼カメラで全周囲を見ています。センシングはこのふたつだけ。シニアカーはすべて手もとコントロールなので、フロントにモーターを集中させると人間の手のように制御できるんですよ」

ラストワンマイルにこそ
人間らしさがある

伊東教授の研究室は埼玉県の大宮キャンパスにあるが、実証実験は東京都の豊洲キャンパスでおこなっている。

「歩行者との共存がテーマですから、人通りの多い豊洲のほうが理想の環境に近い。また、近隣ビルの協力が得られたので、校舎をスタートして信号のある歩道を通り、ビルに入って校舎に戻るという実験をしています。問題は、人通りが多いと常にセンサーが働いて動けなくなってしまうということ。今後のテーマは、AI学習によって人の挙動を研究することです」

自動車でもなし得ていない、インフラを使わない単体での自動走行。さらに、人の往来が多いほど、安全のために停止し続けてしまうもどかしさ。ただでさえ難しいラストワンマイルのなかでも、歩道の走行は困難を極める。人間は日々、阿吽の呼吸を使いながら生活しているからだ。

一般的に「モビリティのパーソナライズ化」と言うと、身体特性や趣味趣向に合わせたハードウェアのカスタムに目が行きがちだ。しかし、それ以前に「自分の行きたい場所に行ける」という「パーソナルな欲求」を解決することが必要となる。小さな子どもが、なんでも自分ひとりでやりたがるように、自分ひとりで何かを成し遂げる達成感は幸福の原点にある。「ひとりで、会いたい人に会える」「ひとりで、行きたいところに行ける」。パーソナルなモビリティはそんな「純粋な思い」を叶えるものであることを忘れてはいけない。「未来の移動手段」は真のダイバーシティを実現することにある。

日本における第5世代移動通信システム5Gのサービス開始がいよいよ目前に迫っている。高速大容量、低遅延、多端末接続の実現により、よりバラエティ豊かなサービスをより快適に楽しめるようになると推測されている。KDDIとKDDI総合研究所、株式会社アクロディアはスポーツ行動認識AIとセンサー内蔵型ボールからスマートフォンで取得したデータを活用し、選手の技術向上に役立てることができるアスリート育成支援システムを2019年10月に発表、スポーツテックサービス分野へ本格的に乗り出した。AI×IoTという最先端技術を駆使したサービス『アスリーティックラボ』の詳細や、提供するにあたっての課題点や今後の展望について、KDDI総合研究所にて話を伺った。

全身65か所の骨格点から身体の基本動作を認識して、
リアルタイムでアドバイスを返す

KDDIとKDDI総合研究所は2018年に、単眼カメラの映像からスクワットやランジなど31種類のトレーニング動作や姿勢を認識する「宅内行動認識AI」を開発。
コーチや指導者がつきっきりでなくても、深度センサーや専用デバイス、高度な技術を用いずとも、スマートフォンのカメラで撮影した映像から行動を認識し、各トレーニングのカウントや姿勢、テンポをリアルタイムでチェックできるようになった。

そこから発展したのが今回取材したアスリート育成支援システム『アスリーティックラボ』に使用されている「スポーツ行動認識AI」である。「スポーツ行動認識AI」では、同じくスマートフォンで撮影した競技者の映像から、全身65か所の骨格点を抽出して、指先を含む骨格などの動きや、ボールを捉えパスやキャッチなどを行う基本動作を認識、フォームから身体の使い方までをリアルタイムに解析することが可能となった。

このシステムは2019年8月に開催されたスピードクライミングの国際大会でも、出場選手の競技記録やリプレイ動画を世界記録と比較しながら会場のディスプレイに表示する “トライアル” で使用されており、競技者のみならず観戦者に向けた新しい体験を提供する施策として高く評価された。

KDDI総合研究所 スポーツ行動認識AI

このAIを用いたシステムに、アクロディアが開発した3次元モーションセンサーを搭載したボール型IoTデバイス「TECHNICAL PITCH (テクニカルピッチ）」を組み合わせたものが、今回の最先端技術を駆使したスポーツテックサービス『アスリーティックラボ』である。このボール型IoTデバイスとの掛け合わせをすることで、「スポーツ行動認識AI」の画像解析だけでは分からない部分までをも補うことができるとKDDI総合研究所 メディア認識グループの田坂和之氏は語る。

「スマートフォンのカメラではまだ、競技している様子をスローモーションで捉えることまではできません。そこでボールの中にセンサーを入れることで、ボールがどれくらい加速しているのか、回転しているかが分かり、競技者のフォームとボールの関係性を知ることができるようになりました。今回のサービスを用いれば、それらをおさえた上で選手に、それも即座にアドバイスすることが可能となったというわけです」

マイナースポーツや学生チームでも
スマートフォンさえあれば、
高度な指導を受けられるように

『アスリーティックラボ』

「TECHNICAL PITCH」は、野球ボールとスマホさえあれば手軽に投球の分析ができるというサービス。2017年に販売が開始してから登録ユーザー数はすでに2万件を超え、100万球の投球データをクラウド上に蓄積している。重さや硬さなど、硬式野球ボールの規格に準拠しているが、2019年12月には軟式野球ボールの販売もスタート。今後サッカーやバレーボール、ゴルフなど他の競技にも順次対応していく予定だという。

ボールとスマートフォンを Bluetooth でペアリングを行い、ボールに搭載したセンサーから送付されるデータが専用アプリで解析される。回転数、回転軸、球速、球種、変化量 、腕の振りの強さ、時間（構えてからリリースするまでの時間とリリースされてからキャッチャーが捕球するまでの時間）、動画（計測時にスマートフォンのカメラで動画を撮影し計測結果と同期）を記録することができるという。

「マイナースポーツや学生チームのように活動資金に余裕がなくても、スマートフォンさえあれば映像をチェックしながら戦略を立てていくことができますし、自宅でのトレーニング時や1人で練習する際にも指導が受けられます」（田坂氏）

近年、スポーツ指導におけるデータやエビデンスの重要性が叫ばれ始めるようになったものの、現場ではいまだにコーチの感覚や経験に左右されることも多い。そんななか、今回のサービスの検証に協力してくれる大学の運動部に対しては、AIを活用したコーチングと強調するのではなく、競技者の「今」の状態をチェックすることができるものとしてアプローチを進めていった。

「過去の映像と並べて比較すると、動きが少し固くなっているな、など自分自身で体の変化を確かめられるので、ケガの予兆検知などにも繋げていくことができます」と、自己研鑽も含めアスリートの全般的なサポートが実現しそうだ。

認識できる点数が増えれば必然的に処理が重くなる。
速さと精度を保つことが決め手

開発の肝となったのは、画像認識の速さと正確さであったと、田坂氏は語る。

「実際使ってみるとよく分かるのですが、自分の動きを撮影して、フィードバックが即時で表示されるか、1〜2分後に表示されるかでは前者の方がユーザーも理解しやすいし、実際に、上達のスピードもアップします。開発の初期は、体の大まかな骨格、目や鼻など、17か所のみでしたが、両手両足の指関節、かかとなど認識できる点を段階的に増やしていき、1年半ほどかけて65点まで到達したので、スピードクライミングのトライアルでもどのようにホールドをつかんでいるかまで、より正確に表示できるようになりました。
しかし点数が増えた分だけ当然処理は重くなり、速度と精度が落ちてしまいますから、いかに精度を保ったまま、速く認識できようにするかは技術面での苦労でもありました」

スポーツでの利用であれば現段階の65点で大体網羅できるが、顔のパーツひとつひとつや、体の輪郭まで認識できれば適用先が広がる余地は十分にある。
現状、技術的に不可能ではないものの、4G、LTEといった通信方式では高画質の画像やフレームレートの大きい動画をサーバーにアップするのに時間がかかってしまうが、5Gの実用化が始まればより解析がスムーズになり、たとえばゴルフクラブのヘッドなど細かい動きもぶれることなく表示できるなど、ユーザビリティの向上も見込めそうだ。

アスリートの支援だけではなく、
日常的なレクリエーションにも。
誰でも使えるエンジンに成長させたい

KDDI総合研究所 メディア認識グループ 田坂和之氏

今後、解消していきたい技術的な課題は、人の接触が多い部分の画像解析だという。

「1人でプレイする競技や団体でも離れているか、組まれていない場合なら問題ないのですが、人が密集するところ、柔道やレスリングのように組み合うことが多い競技だと、画像だけではどちらの手であるとか、どちらの顔であるかがまだ識別しきれていないところがあります。ラグビーのスクラムを想像すると分かりやすいと思いますが、肉眼で見ても分からないものは、やはり画像で見てもなかなか分かりづらい。少しずつ技術は改善されていっているので組み合うスポーツにもどんどん適用していけるのが理想ですね」

IoTボールの活用を組み合わせたサービスのため、アスリート育成に特化したスペシャルなプログラムという印象も受けるが、あくまでも目指すのは、誰でも手に取れるエンジンとしての成長だ。

「サッカーでも逆上がりでもいいんですけど親子で公園に行ったときに、親の主観でアドバイスするんじゃなくて、データで示してあげる方が子どもも主体的になるのではないかと思うんです。何で伝わらないんだ！って親がもどかしくなってしまうせいで、イヤになってしまうお子さんもいますから、人それぞれのアドバイスができる存在として、日常的なレクリエーションに取り入れてもらえると嬉しいですね」と田坂氏は笑顔で語る。

5G開始、そして東京オリパラ開催と、スポーツテックのメモリアルイヤーとなること間違いなしのこの1年、大きな発展に期待したい。