核心概念
深層強化学習を用いて、障害物に近づいても頻繁な減速を避けつつ最適な速度計画を行うローカルナビゲーションシステムを開発した。
摘要
本論文は、無人車の速度計画の問題を解決するために、深層Q学習ネットワーク(DQN)とその拡張版である双深層Q学習ネットワーク(DDQN)を使用して、ローカルナビゲーションシステムを開発した。
具体的には以下の改善を行った:
車両速度と障害物角度の関係を報酬関数に統合した。
局所経路計画にDDQNアルゴリズムを使用した。
Gazeboシミュレーション環境で、様々な環境下での車両速度計画をテストした。
実験の結果、提案手法は障害物密度の異なる環境でも安定かつ効率的な経路計画を実現できることが確認された。車両は障害物に近づいても頻繁な減速を避けつつ、適切な速度を維持できた。
統計資料
10m×15mの環境での平均速度は1.16m/s
25m×25mの環境での平均速度は1.37m/s
引述
"深層強化学習を用いて、障害物に近づいても頻繁な減速を避けつつ最適な速度計画を行うローカルナビゲーションシステムを開発した。"
"実験の結果、提案手法は障害物密度の異なる環境でも安定かつ効率的な経路計画を実現できることが確認された。"