逆強化学習を用いた生活道路における危険予知運転モデリング
近年，予防安全技術の研究が活発であり，交通事故の低減に貢献していますが，生活道路では事故の減少率が低いのが現状です．生活道路では歩行者の飛び出しやドライバーの安全不確認による事故が多いのが特徴であり，従来の人検知後の衝突回避だけでは，自動車が制動距離を要するため不十分な場合があります．この問題に対処するためには，潜在的な危険を予知した事前の運転計画，つまり危険予知運転が必要であり，本研究ではこの運転行動のモデル化に取り組みました．生活道路の危険予知運転のモデル化の難しさとしては，交通ルールの遵守だけでは不十分で安全に対する明確な基準がないことと，歩車が混在するため環境が多様であることが挙げられます．本研究では，逆強化学習を用いてドライバーの運転行動に基づきモデルを最適化することで，この問題に対処しました(Shimosaka et al., ITSC 2014)．応用例として，規範ドライバー
TensorFlowで逆強化学習
TensorFlow 勉強会 (4) の発表資料です。 途中の動画を見るには↓の元ファイルを御覧ください。 https://docs.google.com/presentation/d/1CWHjeiDJovG4ymuaoGCFLiBcSHNuNccMQQYkoFtpHxc/pub?start=false&loop=false&delayms=3000Read less
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://kaigi.org/jsai/webprogram/2012/pdf/584.pdf
