本课题组以驾校培训导师为目标，以自动驾驶所需的模型驾驶模型为对象，开发了规范驾驶行为的驾驶模型。

　此外，通过将专用于自动驾驶的高精度传感器LiDAR（Light Detection and Ranging）的观测数据与高精度地图进行对比，自动驾驶软件可以实时进行车辆位置估计和障碍物检测高精度时间。被介绍了。我们还开发了一种技术，可以使用机器学习模型从安装在汽车中的摄像头获取的图像中估计驾驶员的面部方向。

　以这些作为评价指标，通过训练教练的驾驶模型，对转化为数值数据的驾驶行为，车辆左右转弯前如何移动、目视确认、捷径、大转弯等驾驶行为进行评价等。构建了可以量化评估的AI培训系统，其准确度与培训讲师相同。在社会上实施该系统时，对于偏离评价指标阈值被判定为危险的驾驶行为，还具有如培训讲师那样，自动控制刹车，避免危险的功能。

　据称，由于培训讲师的老龄化以及招聘难导致的人力资源短缺，驾校存在等待课程预订（平均2至3个月）的问题。通过将此次商业化的系统应用于驾校，有望解决这些问题，并收集实际数据，为自动驾驶技术的不断发展做出贡献。

参考：[日本科学技术振兴机构]使用自动驾驶技术的AI培训系统的商业化-通过利用AI的汽车培训为实现安全的交通社会做出贡献-