2022 Fiscal Year Research-status Report
階層型フェデレーテッド・ラーニングによる高効率かつスケーラブルな自動運転制御
| Project/Area Number |
22K17880
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
杜 兆陽 電気通信大学, 大学院情報理工学研究科, UECポスドク研究員 (70938547)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | フェデレーテッドラーニング / 深層強化学習 / LSTM / 自動運転 |
|---|
| Outline of Annual Research Achievements |
2022年度では、以下の研究を実施した。
FLシステムと深層強化学習に関するシミュレーションソフトを改造しました。シミュレーションはもちろん、ラズベリーパイとPCを組み立てた実機実験も達成しました。シミュレーションでは、クライアント上のフェデレーテッドラーニングを実行する時間を評価することは困難であるため、実機実験を構築しました。車両ネットワークでより実用的な検証を実現するのが期待できます。
また、ファジー論理に基づいたクライアント選択スキームを設計しました。提案されたスキームは、ファジー論理的な手法に基づいて、ローカルサンプルの数、クライアントの計算能力、および利用可能なネットワークスループットを考慮しました。シミュレーション結果により、提案手法がベースラインより優れていることが示されました。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度では、すでに国内会議一編、国際会議一編（査読付き）発表しており、ジャーナル一編投稿中です。申請時提案している2022年度の研究内容についての成果を出しました。
|
| Strategy for Future Research Activity |
2023年では、以下の研究目標があります。
1、深層強化学習モデルの一つであるDouble Deep Q-Network（Double DQN）を用いて，DQNのQ値に対する過大評価問題を解決する。
2、2022年の成果に基づき，交通状況予測の研究内容を実施する。LSTMベースの階層型FLで，路側装置間，エッジサーバ間の連携で，道路状況のより正確な予測を実現する。
3、2022年の成果では、クラウドサーバとクライアントのFLシステムを構築しました。エッジサーバを考慮してないため、階層型FLについてのシミュレータ改造および原理検証について努めたいと思います。
|
| Causes of Carryover |
2022年度の実験で使われている機器などは課題申請するま前購入したため、物品費などは発生しません。
2023年度の研究費使用計画として、当初予定していた実験のための物品購入、実験補助のための謝金、成果発表のための旅費の支出を予定している。
|
