AARKは、自律走行レースの研究、開発、検証を可能にする機能豊富で拡張性のあるツールキットです。Assetto Corsa上で自律走行システムの評価や機械学習データの生成を行うことができます。
動的な交通環境における自律走行車の安全な意思決定のために、周辺車両との時空間的な相互作用を動的に学習し、その重要性を考慮する深層注意駆動強化学習フレームワークを提案する。
本論文は、自律走行車事故の根本原因を特定するための新しい手法「ROCAS」を提案する。ROCASは、サイバー空間と物理空間の両方の変異を活用し、事故の引き金となった外部要因と、事故の原因となった自律走行システムの設定ミスを特定する。
本論文では、従来の軌道計画手法の限界を示し、強化学習を用いた新しい軌道計画手法を提案する。提案手法は、相手車両との相互作用を明示的に活用することで、より積極的な追い越し動作を実現できる。
夜間走行シーンでの視覚認識の課題に取り組むため、ステレオビジョンと変換器ベースのニューラルネットワークを組み合わせた「HawkDrive」システムを提案する。
粒子群最適化(PSO)を核とした運動計画パイプラインを提案し、自律走行車両の安全かつ快適な走行を実現する。
変分オートエンコーダと神経回路ポリシーを組み合わせることで、入力画像から操舵命令を生成する際の意思決定プロセスの透明性と解釈可能性を高めることができる。