Core Concepts
シミュレーションを使った強化学習により、実際の車両を自律的に走行させることができる。
Abstract
本研究では、シミュレーション上で強化学習を行い、実際の車両の自律走行を実現することを目的としている。
シミュレーション環境では、カメラ入力と意味的セグメンテーションを入力とし、強化学習によりステアリング制御を学習する。
様々な視覚的ランダマイゼーションを導入し、シミュレーション上での性能を向上させる。
実際の車両で9つのシナリオを評価し、シミュレーションから実世界への転移を確認する。
正則化や中間表現の利用、経路点制御など、様々な手法を検討し、実世界性能の向上を図る。
シミュレーションと実世界の性能の相関が低いことから、オフラインでの評価指標の検討も行う。
Stats
実験では、合計約2.5kmの9つのシナリオを評価した。
各シナリオでは、250~700回の10Hzの操作が必要とされる。
速度は15~30km/hの範囲である。