講演抄録/キーワード |
講演名 |
2020-12-11 09:05
マルチエージェント深層強化学習を利用した微視的道路交通における自動運転方策の提案 ○諏訪凌太・菅原俊治(早大) AI2020-7 |
抄録 |
(和) |
本研究では,強化学習を用いた自動運転において,マルチエージェント深層強化学習を用いた微視的道路交通における相互作用を考慮した自動運転の方策学習法を提案する.近年,自動運転のアルゴリズムとして強化学習を用いる事例が増えており,公道での走行実験を実施する企業もある.しかし,既存の強化学習アルゴリズムでは,他の自動車との相互作用を十分に考慮しておらず,安全性の観点から課題がある。そこで,本研究では指標として安全性に基づく衝突率と到達率を定義し,微視的な交通環境において複数のエージェントの相互作用を考慮した手法を提案し,自動運転のシミュレーション環境において提案手法の評価実験をした.その結果,交差点などの微視的な道路交通において,単体のエージェントによる強化学習を用いた既存の手法よりも高い安全性及び到達率を達成できた.最後に,本研究の結果に対する考察及び今後の課題について議論する. |
(英) |
This study proposes a method for interaction-aware automated driving in microscopic road traffic simulations using multi-agent deep reinforcement learning. In recent years, so many studies proposed an algorithm for automated driving using reinforcement learning, and some companies conducted experimental self-driving on public roads. However, existing reinforcement learning algorithms do not sufficiently consider interactions with other vehicles, where it is essential for safe driving on public roads. Therefore, we introduced a safety-oriented success rate and proposed a method that considers interactions between multiple agents in microscopic traffic environments. We also conducted an experimental evaluation in a driving simulation environment to see if the proposed method can improve self-driving safety. One experimental results suggest that it can achieve a higher success rate in microscopic road traffic situations, such as at an intersection and a junction, than existing methods that used single-agent reinforcement learning. Finally, we discuss the reasons for the improvement and future issues. |
キーワード |
(和) |
マルチエージェント / 深層強化学習 / 自動運転 / / / / / |
(英) |
Multi-Agent / Deep Reinforcement Learning / Self-Driving / / / / / |
文献情報 |
信学技報, vol. 120, no. 281, AI2020-7, pp. 34-38, 2020年12月. |
資料番号 |
AI2020-7 |
発行日 |
2020-12-03 (AI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
AI2020-7 |
研究会情報 |
研究会 |
AI |
開催期間 |
2020-12-10 - 2020-12-10 |
開催地(和) |
オンライン+アクトシティ浜松研修交流センター401会議室(楽器博物館の建物の4階) |
開催地(英) |
Online and HAMAMATSU ACT CITY |
テーマ(和) |
「新しい日常を支えるAIシステム実現のための基礎技術と応用」および一般 |
テーマ(英) |
Foundations and application technologies for AI systems on the new normal |
講演論文情報の詳細 |
申込み研究会 |
AI |
会議コード |
2020-12-AI |
本文の言語 |
日本語 |
タイトル(和) |
マルチエージェント深層強化学習を利用した微視的道路交通における自動運転方策の提案 |
サブタイトル(和) |
|
タイトル(英) |
An Automated Driving Strategy for Microscopic Road Traffic Using Multi-Agent Deep Reinforcement Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
マルチエージェント / Multi-Agent |
キーワード(2)(和/英) |
深層強化学習 / Deep Reinforcement Learning |
キーワード(3)(和/英) |
自動運転 / Self-Driving |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
諏訪 凌太 / Ryota Suwa / スワ リョウタ |
第1著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第2著者 氏名(和/英/ヨミ) |
菅原 俊治 / Toshiharu Sugawara / スガワラ トシハル |
第2著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-12-11 09:05:00 |
発表時間 |
25分 |
申込先研究会 |
AI |
資料番号 |
AI2020-7 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.281 |
ページ範囲 |
pp.34-38 |
ページ数 |
5 |
発行日 |
2020-12-03 (AI) |