Centrala begrepp
ゲームベースの学習と検証フレームワークを提案し、人間の運転スキルを学習することで、高速道路での自動運転を実現する。
Sammanfattning
本研究では、Grand Theft Auto V (GTA V)のゲームを活用し、人間の運転スキルを学習するためのゲームベースの学習と検証フレームワークを提案している。
まず、GTA Vの高速道路環境でユーザーが運転する様子を記録し、ステアリングとスロットルの値を同時に収集したデータセットを作成した。次に、エンドツーエンドの深層学習モデルを使って、入力画像からステアリングとスロットルの値を予測する。予測された値はゲーム内の仮想コントローラーを通じてゲームに送られ、車両を車線内に維持し、他の車両との衝突を回避するように制御する。
提案手法を GTA Vで検証した結果、VGG-19アーキテクチャを使った場合に良好な性能が得られ、車線内を維持し、他の車両との衝突を回避できることが示された。このようなゲームベースのフレームワークは、現実世界での自動運転の学習に有効であると考えられる。
Statistik
人間の運転者は年間約3.2兆マイルを走行し、そのうち23%が高速道路での走行である。
高速道路での自動運転は、通勤時間の削減や事故の防止に役立つ。
Citat
"Highways are also suitable for the implementation of autonomous vehicles due to their well-structured roadways and pedestrian free environment."
"Deep learning using CNN architecture over the past few years have been playing a major role in the development of computer vision technologies, specifically in the field of object detection and lane detection algorithms."