2018 Fiscal Year Research-status Report

運転未経験者の技量獲得を模擬したミスを犯しながら成長する運転育成モデルの構築

Research Project

Project/Area Number	18K04052
Research Institution	Kagawa University
Principal Investigator	佛圓哲朗香川大学, 創造工学部, 教授 (00803967)
Co-Investigator(Kenkyū-buntansha)	荒川雅生香川大学, 創造工学部, 教授 (20257207) 鈴木桂輔香川大学, 創造工学部, 教授 (80373067)
Project Period (FY)	2018-04-01 – 2021-03-31
Keywords	自動運転技術 / ドライビングシミュレータ / RBFネットワーク最適化 / 多目的最適化 / 遺伝的アルゴリズム
Outline of Annual Research Achievements	研究は、3つのステップ、①運転未経験者を模擬したコンピュータAIエージェントモデルを用いた「運転学習モデルの構築」（1年目）、②ドライバミスの原因分析と定量化（2年目）、③運転学習モデルの熟成（3年目）で進めている。初年度の「運転学習モデルの構築」では、仮想の仮免教習コースを3D_CGデータとして作成し、教習車を模擬した自動車モデルをコンピュータ内に構築した。それと並行して運転未経験者を訓練するため同じ仮免教習コースを用いて、既存の自動運転アルゴリズム（公開されているアルゴリズム）を内蔵したドライビングシミュレータとして、走行訓練環境を構築した。これにより、研究環境の設定が完了した。一方、運転未経験者を模擬したコンピュータAIエージェントモデルの構築では、既存の自動運転アルゴリズムによる仮免コース走行データを教師信号として、AIエージェントモデルを最適化手法（主としてニューラルネットの一手法であるRBFネットワーク手法）を用いて育成したモデルを作成した。この「教師信号あり」のAIエージェントモデルは２種類あり、①従来のRBFネットワーク最適化で行っていたオフラインでのパラメータ最適化をおこなうものと、②AIエージェントを搭載した自車の前方にリアルタイム教師信号ジェネレータの役割を担う“仮想ペースメーカー車両”を開発し、その信号によるRBFネットワークと遺伝的アルゴリズムを組み合わせパラメータ最適化をおこなうもの、である。第2ステップの「ドライバミスの原因分析と定量化」では、運転未経験者が運転技量を獲得していく過程で起こすミスをドライビングシミュレータで再現するため、運転未経験者のデータを取得していく必要があり、その予備実験を開始した。この予備実験は、本学の倫理審査委員会で審議していただく実験概要書兼チェックリストを作成するためのものである。
Current Status of Research Progress	Current Status of Research Progress 4: Progress in research has been delayed. Reason これまでの進捗は、上記の実績のとおりであるが、研究環境の設定における「仮想の仮免教習コース3D_CGデータ作成」とその運用構築に時間がかかり、AIエージェントモデル作成について、当初計画にある「教師信号なし」におけるモデル化が完了しておらず、事前の計画より遅れている。このため、３月の機械学会中四国支部大会で発表予定であったが、取り下げをおこなった。しかし、従来のRBF最適化で行っていたオフラインでのパラメータ最適化だけでなく、事前の計画にはなかったAIエージェントを搭載した自車の前に“仮想ペースメーカー車両”をリアルタイム教師信号ジェネレータとして開発し、その信号によりRBFネットワークと遺伝的アルゴリズムを組み合わせパラメータ最適化する「教師信号あり」のモデル化については、進展があったと考える。
Strategy for Future Research Activity	「教師信号なし」におけるモデル化を加速させる。この「教師信号なし」モデルは、事前の計画にもあった「ミスをも犯す」AIエージェントの本命であり、第2ステップの「ドライバミスの原因分析と定量化」の原型モデルとなる。ドライビングシミュレータを用いて実際の運転未経験者が運転技量を獲得していく過程を再現し、この中で起こすミスを第１ステップで獲得した原型モデルに組み込んでいき、モデル修正をおこなう。次に、このステップで作成したドライバモデルとミスを機能的に犯さない既存自動運転アルゴリズム（オープンソースを利用）を対比させてミスの定量化をおこなう。第3の「運転学習モデルの熟成」においては、ドライビングシミュレータのサンプリング数を増やしていくことに加えて、自動車学校とタイアップして、ドライビングシミュレータでデータ取得した学生で免許取得希望する者の教習時データを取得し、AIドライビングモデルの高度化を図る。以上のデータやモデルを基に、乗員の快適性や運転することによる心の高揚やワクワク感の基になる因子を抽出し、限られた環境ではあるが、自動化と人間らしさをシームレスにつなぐメカニズムを「見える化」する。
Causes of Carryover	次年度使用額が生じた理由は、次の２つである。①研究環境整備（ドライビングシミュレータ）遅れにより、支払いが次年度になるものができた。②論文発表が遅れて、出張費が計上できなかった。上記の位置については、支払額が確定している。②については、今年度の出張計画の見直しに組み込んで消化していく予定である。