模倣学習による表現の獲得!都市部でのEnd-to-end自動運転

模倣学習による表現の獲得!都市部でのEnd-to-end自動運転

3つの要点
✔️ End-to-endの自動運転システム
✔️ 条件付き模倣学習により、右左折直進を表現

✔️ 運転データの偏りに対処

Urban Driving with Conditional Imitation Learning
written by Jeffrey Hawke,Richard Shen,Corina Gurau,Siddharth Sharma,Daniele Reda,Nikolay Nikolov,Przemyslaw Mazur,Sean Micklethwaite,Nicolas Griffiths,Amar Shah,Alex Kendall
(Submitted on  30 Nov 2019 (v1), last revised 5 Dec 2019 (this version, v2))

Comments: Published by NeurIPS 2019.
Subjects: Computer Vision and Pattern Recognition (cs.CV); Artificial Intelligence (cs.AI); Machine Learning (cs.LG); Robotics (cs.RO)

記事中の画像や図表はすべて上記の論文から引用しています。

概要 

英国のスタートアップ「Wayve」から,End-to-endの都市部での自動運転論文登場!Wayveは2018年に田舎道での自動運転システムの学習に成功しています。当時は,強化学習(DDPG)をベースに膨大なシミュレーションによるハイパーパラメータの調整によって,田舎道での実車での学習が可能になりました。今回は,人間の行動を模倣する模倣学習(imitation learning)に注目しています。右左折等のコマンド入力を考慮した,条件付き模倣学習をベースに田舎道よりも複雑な都市部での自動運転に成功しています。

この記事をシェアする