感測器將現實中並不存在的、玻璃反射形成的虛像（幽靈點）誤識別為牆體的示意圖（圖片提供：慶應義塾大學吉岡健太郎副教授）
慶應義塾大學等開發出了可提高自動駕駛汽車感測器精度的人工智慧（AI）。這種AI能夠識別出由玻璃等反射產生的虛像，從而防止對人或車輛的誤識別，並有助於抑制急剎車等情況。
實際上不存在的虛像被稱為「幽靈點（Ghost）」，有時會被自動駕駛汽車的感測器誤檢為物體。慶應大學的吉岡健太郎副教授等人開發出了檢測這種幽靈點的AI模型「FWL-MAE」，能夠將搭載於自動駕駛汽車上的「LiDAR（光達）」感測器所檢測到的虛像比以往減少七成。將玻璃反射的人物像誤檢測為真人的機率降至五十分之一。
光達依靠雷射測量到對象物的距離。根據照射到物體上的雷射束返回所需的時間來計算距離。當物體為玻璃時，根據反射情況有時會產生多個反射光，進而使感測器產生幽靈點，成為誤檢的誘因。
吉岡副教授團隊在玻璃幕牆辦公室等存在多重反射場景的室內、戶外環境採集數據，構建了標註總量約75億條的資料集「Ghost-FWL」。通過讓AI學習這些數據，完成了本次AI模型的開發。
要判斷該技術是否達到可搭載於自動駕駛汽車的水平，還需在實際行駛環境中進行驗證。吉岡副教授預計最快可於2029年實現實用化，後續將與海外自動駕駛製造商等開展合作。
相關研究成果計畫在圖像識別領域國際會議「CVPR」上發表。
原文：《日本經濟新聞》、2026/7/28
翻譯：JST客觀日本編輯部
【論文資訊】
國際會議：IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
論文：Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal
URL：https://openaccess.thecvf.com/content/CVPR2026/papers/Ikeda_Ghost-FWL_A_Large-Scale_Full-Waveform_LiDAR_Dataset_for_Ghost_Detection_and_CVPR_2026_paper.pdf
