文献

J-GLOBAL ID：201902225896006592   整理番号：19A2117200

より安全な自己駆動車のためのハイブリッドオンラインPOMDP計画と深層強化学習【JST・京大機械翻訳】

Hybrid Online POMDP Planning and Deep Reinforcement Learning for Safer Self-Driving Cars

著者 (2件)： Pusse Florian (Saarland University, Saarbruecken, 66123, Germany) ,  Klusch Matthias (German Research Center for Artificial Intelligence (DFKI), Saarbruecken, 66123, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IV  ページ： 1013-1020  発行年： 2019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： 部分的に観測可能なMarkov決定プロセスとしてモデル化された自己駆動車の歩行者衝突のないナビゲーションの問題は,深い強化学習または近似的POMDP計画のどちらかで解決できる。しかしながら,これらの基本的に異なる解カテゴリの利点を組み合わせたいくつかのハイブリッドアプローチが,この文脈においてそれらより優れているかどうかは知られていない。本論文では,主要なドイツの徹底的道路事故研究GIDASに基づく模擬自動車-歩行者事故シナリオの最初のベンチマークOpenDS-CTS上での比較実験性能評価と共に,自己駆動車の無衝突ナビゲーションのための最初のハイブリッド解HyLEAPを提示した。著者らの実験は,HyLEAPが,安全性に関するほとんどのGIDAS事故シナリオにおける近似的POMDP計画と深い強化学習のための最新技術のそれぞれの統合状態の性能を上回ることができることを明らかにした。一方,それらは,運転の滑らかさと平均の目標までの時間に関して等しい競争力があるように見える。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 道路 ,  ドイツ連邦共和国 ,  近似法 ,  比較試験 ,  *強化学習 ,  平滑度 ,  性能評価 ,  ベンチマーク ,  モデリング ,  *安全性 ,  歩行者 ,  自動車 ,  事故調査
準シソーラス用語： 歩行者事故 ,  *POMDP , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G) ,  移動通信  (ND08030H) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 自己 ,  オンライン ,  POMDP ,  計画 ,  深層強化学習