文献

J-GLOBAL ID：202002277956342083   整理番号：20A2181779

モデルカーを用いた自動走行のための学習モデルに関する考察

著者 (2件)： 千葉笙平 (旭川工高専) ,  笹岡久行 (旭川工高専)
資料名： 情報科学技術フォーラム講演論文集  (FIT)
巻： 19th  号： 第2分冊  ページ： 249-250  発行年： 2020年08月18日 
JST資料番号： L4664A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・自動運転を実現するため,Amazon Web Service社の開発したDeep Racerを利用し,モデルカーの自動走行シミュレーションの実験結果を報告。
・強化学習で用いた報酬関数とアクション・ハイパーパラメータ,および学習時間の設定について説明。
・評価シミュレーションの結果,学習時間が長い方が,性能が向上することが確認され,報酬関数の設定の影響も大きいことを報告。

シソーラス用語： 自動走行装置 ,  学習モデル ,  *自動運転 ,  シミュレーション ,  *強化学習 ,  *関数 ,  動機づけ ,  パラメータ ,  時間 ,  学習
準シソーラス用語： シミュレーション実験 ,  ハイパーパラメータ ,  学習時間 ,  *報酬関数

分類 (2件)： 人工知能  (JE08000Z) ,  走行装置  (QG03040V)

引用文献 (4件)：

• Waymo LLC, “Waymo : Home”, https://waymo.com/ (2019-2020).
• Amazon Web Services, “AWS DeepRacer 報酬関数の入力パラメータ”,https://docs.aws.amazon.com/ja_jp/deepracer/latest/developerguide/deepracer-reward-function-input.html (2020).
• Amazon Web Services, “クラウドならアマゾンウェブサービス【AWS公式】”,https://aws.amazon.com/jp/ (2020).
• AWS公式 Work Shop “Lab 1: Get ready to race by building your own AWS DeepRacer RL model!”, https://github.com/aws-samples/aws-deepracerworkshops/blob/master/Workshops/2019-AWSSummitsAWSDeepRacerService/Lab1/Readme-Japanese.md (2020).

タイトルに関連する用語 (2件)： モデル ,  学習モデル