文献

J-GLOBAL ID：201702230636909284   整理番号：17A1357135

深い学習を介したマスター一般駐車技術【Powered by NICT】

Master general parking skill via deep learning

著者 (5件)： Lin Yi-Lun (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, China and University of Chinese Academy of Sciences) ,  Li Li (Faculty of Department of Automation, Tsinghua University, China) ,  Dai Xing-Yuan (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, China and University of Chinese Academy of Sciences) ,  Zheng Nan-Ning (Faculty of the Institute of Artificial Intelligence and Robotics (IAIR), Xi’an Jiaotong University, China) ,  Wang Fei-Yue (Faculty of the State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IV  ページ： 941-946  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 駐車自律車両の一つの基本関数である。しかし,駐車はまだ実行される困難なままである,複雑な制約の下での特定の目的を達成する相対的に長期の一連作用を生成する必要がある。一つの最近提案された方法は,深いニューラルネットワーク(DNN)を用いて実際の駐車軌跡と対応するステアリング行動間の関係を学習するために,直接想起による最も優れた駐車軌跡を見出すことである。しかし,この方法は,動的パラメータはよく知られている特殊車両を取り入れただけである。本論文では,著者らはさらにこの直接軌道計画法を拡張し,マスター一般駐車スキル転移学習法を用いた。人間運転者たちは,特別に設計された深層ニューラルネットワークを用いた駐車する模倣を目的としている。DNNの最初の数層は全ての種類の車両のための一般的な駐車軌道計画知識を含みこのDNNの最後の数層が様々な種類の車両を適応させるために調整できる。数値試験は,転移学習と直接軌道計画解を組み合わせたこの新しい手法は自動化車両を可能にするいくつかの試行錯誤試験と自動車毎に軌道計画の知識を伝達することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  自動車 ,  軌跡 ,  *駐車 ,  深層 ,  特殊車両 ,  自動化
準シソーラス用語： 転移学習 ,  軌道計画 ,  自律性 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 学習 ,  マスター ,  駐車