最新AI論文をキャッチアップ

シミュレーション x 強化学習!シミュレーションから現実の自動運転システムへ(後半)

シミュレーション x 強化学習!シミュレーションから現実の自動運転システムへ(後半)

Self-Driving

3つの要点
✔️ シミュレーション x 強化学習
✔️ 現実での自動運転テスト

✔️ Sim-to-real方策転移に成功

Simulation-Based Reinforcement Learning for Real-World Autonomous Driving
written by Błażej OsińskiAdam JakubowskiPiotr MiłośPaweł ZięcinaChristopher GaliasSilviu HomoceanuHenryk Michalewski
(Submitted on 29 Nov 2019 (v1), last revised 4 Mar 2020 (this version, v3))

Comments: Accepted at 2020 IEEE International Conference on Robotics and Automation (ICRA)
Subjects: Machine Learning (cs.LG); Artificial Intelligence (cs.AI); Robotics (cs.RO)
Paper  
Official Code COMM Code

はじめに

今回紹介する論文は,現実での自動運転システムをシミュレーションでの強化学習で獲得するという論文です。入力はカメラからのRGB画像とセマンティックセグメンテーションで,ステアリング(ハンドル操作)を出力するモデルを学習します。実験では,Sim-to-Realの運転システムの転移に成功しています。

モチベーション

研究の背景には,現実での自動運転システム構築に,シミュレーションを有効活用したいというモチベーションがあります。

貢献

この論文の貢献は以下の二つです。

  • シミュレーションでの視覚的ランダム性の効果の検証
  • 現実での自動運転のテスト

ここでの視覚的ランダム性とは,天気の変更や,画像入力にノイズを加えることをいいます。 

前回記事(前半)では,提案手法までを説明しました。End-to-Endのモデルで,画像,セマンティックセグメンテーション,車のメトリクス(速度,加速度,角度),ナビコマンドを入力とし,ステアリングを出力とし,PPOで学習します。10種類の天気の変更や,画像入力にノイズを加えるなどのランダム化も行っています。

本記事は,1種類のシミュレーション実験と,7種類の実世界実験についてです。それでは見ていきましょう。 

続きを読むには

(6175文字画像16枚)

AI-SCHOLARに
登録いただく必要があります。

1分で無料で簡単登録する

または
  • メルマガ登録(ver
  • ライター
  • エンジニア_大募集!!

記事の内容等について改善箇所などございましたら、
お問い合わせフォームよりAI-SCHOLAR編集部の方にご連絡を頂けますと幸いです。
どうぞよろしくお願いします。

お問い合わせする