| Project/Area Number |
21K03985
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 20020:Robotics and intelligent system-related
|
|---|
| Research Institution | Toyota Technological Institute |
|---|
Principal Investigator |
Akita Tokihiko 豊田工業大学, 工学(系)研究科(研究院), 特任上級研究員 (20564579)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 深層学習 / 半教師あり学習 / Variational Autoencoder / 能動学習 / ミリ波レーダ / 駐車車両形状推定 / 形状推定 / 駐車 / CNN / VAE / 信頼度推定 / Transformer / 言語モデル / 自己教師学習 / 生成モデル |
|---|
| Outline of Research at the Start |
高い信頼性が必要な自動車の自動運転の環境認識において，深層学習の未学習データに対する脆弱性を改善するため，学習データの統計情報と言語モデルで表現した走行環境の汎用知識から、深層学習の推定結果を検証し誤りを補正する．
学習データの分布を自己教師付き学習にて効率よく圧縮して記憶し，入力データの学習データ分布に対する逸脱度から推定信頼度を求める．
さらに，多様な情報源から自己教師により学習された言語モデルにて，走行環境文脈と矛盾している状況を検知し，前述の推定信頼度と融合して，推定結果を補正する．この補正は言語モデルにて学習された汎用性の高い知識を参照して行う．
|
| Outline of Final Research Achievements |
A semi-supervised learning method was created to improve the accuracy of parking vehicle shape reconstruction for unlearned data. It is difficult to generate a large number of correct shapes of parking vehicles for measured real-world data, resulting in a loss of accuracy. In contrast, this method improves accuracy with only a small amount of supervised training data.
This was achieved by combining pseudo correct value generation, active learning, and consistency regularization methods. For the generation of pseudo correct values, we created a method that uses self-supervised learning with VAE and a method that determines the consistency of the estimated shape with the model of the correct shape. With this method, we confirmed that with only 16% of the supervised data, the accuracy of estimating the shape of a parking vehicle is equal to or better than the marginal performance at 80%.
|
| Academic Significance and Societal Importance of the Research Achievements |
深層学習の認識精度は学習データに依存する。そのために大量の正解値が必要であるが、コストの課題がある。本研究では少ない正解値で、大量の正解値付与の場合と同等の性能を得られることを示し、課題解決策を提案した。特に物体形状推定における半教師あり学習の手法は研究例が少なく、新しい可能性を示すものである。
ここではミリ波レーダを用いた駐車車両形状復元を対象とした。ミリ波レーダは耐環境性が最も高いが、分解能が低くノイズが多いため、画像より遥かに正解値生成コストがかかるため、これを低減することは特に有効である。
ソナーによる駐車支援をミリ波レーダ流用に置き換えることにより、低コスト化と意匠改善できる。
|
