大学発ベンチャーを設立し，大学の技術を産業に応用

　ディープラーニングも機械学習ベースのパターン認識も，結局データをどれだけ集められるかが勝負になります。データを集める仕組みも我々はソフトウェアに入れています。ある瞬間のレーザーのデータに対して，その時のカメラの映像や，運転手のアクセル・ブレーキ・ステアリングの動きを同期して取れる仕組みを持っています。センサーのデータに対してこういう出力をしたいという学習をさせることで，コンピューターが人間に近い判断や操作の数値を出せるようになってきています。
　データを収集する中で，いろいろな副産物も生まれました。例えば，カメラとレーザーセンサーの2つのデータを組み合わせたセンサーフュージョンにより信号機の位置の特定ができます。今は100メートルくらい手前から信号の色が認識できます。
　位置が特定でき，周りの物体や信号の色がわかり，どこに白線があるか3次元地図でわかりますので，ある車線の中を目的地まで行きなさいと言われたらできるような状態にはなっています。次にやらなければいけないのは，レーンを逸脱して走らないといけない，レーンがない場所を走らないといけない状況に対応することです。車はある物理法則に基づいてしか曲がっていけませんので，6軸あれば表すことができます。自分の今いる位置から数十メートルくらい先までいくつか候補を作り，行き得るパスを生成。周りの状況をそれに当て込み，走行可能個所を決めます。
　自動運転の場合は必ずしも運転に100％集中する必要がありませんので，実世界を意識したVRやゲームとのコラボレーションなど，自動運転後の世界も考えています。また，組み込みシステム化などを試行し，より実用に近づけるための研究や，開発の効率化，作ったシステムの検証などの研究も進めています。
　そして，オープンソースソフトウェアを利活用し，最先端の自動運転システム技術を提供するため，大学発のベンチャーとして株式会社ティアフォーを設立し，大学の技術を産業に応用する取り組みを進めています。