文献

J-GLOBAL ID：201802244900518779   整理番号：18A2146481

交通のシミュレーションとAI 自動運転における運転行動の学習-ゆずりあいの獲得事例の紹介-

著者 (7件)： 山下倫央 (北大 大学院情報科学研究科) ,  小川一太郎 (北大 大学院情報科学研究科) ,  横山想一郎 (北大 大学院情報科学研究科) ,  川村秀憲 (北大 大学院情報科学研究科) ,  蕨野貴之 (KDDI総合研) ,  大岸智彦 (KDDI総合研) ,  田中英明 (KDDI総合研)
資料名： シミュレーション  (Journal of the Japan Society for Simulation Technology)
巻： 37  号： 3  ページ： 153-159  発行年： 2018年09月15日 
JST資料番号： L0458A  ISSN： 0285-9947  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・実車の約1/12の電動ラジオコントロールカー(RCカー)群の運動制御を目的とし,Q学習とディープニューラルネットワークを組み合わせたDQNによる協調学習手法の研究を概説。
・機械が状況を判断して運転操作を行う自動運転では相互協調的な「ゆずりあい」の運転行動の実現は難しいとされるので,DQNの学習によるゆずりあいの獲得を試行。
・RCカー位置測位用カメラの画像をもとに車両制御用PC(Personal Computer)は各車両の位置・速度を推定し,DQNで目標速度を設定してPWM(Pulse Width Modulation)を算出。
・RCカー12台に搭載したRaspberry Pi3が車両制御用PCから受信したアクセル用,ステアリング用PWMに基づいてモータを制御するとゆずりあいによって全車両の平均移動距離が増加。

シソーラス用語： *シミュレーション ,  *人工知能 ,  PWM【信号】 ,  *自動運転 ,  運転支援システム ,  事例研究 ,  自動車 ,  *ニューラルネットワーク ,  *機械学習 ,  強化学習 ,  学習 ,  交通機関 ,  電動機 ,  行為 ,  *ディープニューラルネットワーク ,  *交通シミュレーション ,  車両 ,  *深層学習
準シソーラス用語： *AI【人工知能】 ,  Q学習 ,  ゆずりあい ,  協調学習

分類 (4件)： 計算機シミュレーション  (JE11000H) ,  人工知能  (JE08000Z) ,  運転者  (TB01040V) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (20件)：

• 高度情報通信ネットワーク社会推進戦略本部(IT総合戦略本部),官民ITS構想・ロードマップ 2017, http://www.kantei.go.jp/jp/singi/it2/kettei/pdf/20170530/roadmap.pdf,参照2018年8月13日
• Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”, Advances in Neural Information Processing Systems 25, pp.1097-1105, 2017.
• Adam Grzywaczewski, “Training AI for Self-Driving Vehicles: the Challenge of Scale”, https://devblogs.nvidia.com/training-self-driving-vehicles-challenge-scale/, NVIDIA Developer Blog, 参照 2018年8月13日
• Volodymyr Mnih. Koray Kavukcoglu. David Silver. et al., “Human-level Control through Deep Reinforcement Learning”, Nature, Vol.518, Issue 7540, pp.529-533, 2015.
• 小川一太郎,横山想一郎,山下倫央,川村秀憲,酒徳 哲,柳原 正,田中英明,“Deep Q-NetworkによるRCカー群の運動制御を実現する協調学習の提案”,人工知能学会全国大会論文,JSAI2017,3I2OS13b5-3I2OS13b5,2017,

タイトルに関連する用語 (6件)： 交通 ,  シミュレーション ,  AI ,  行動 ,  学習 ,  獲得