| 研究課題/領域番号 |
21F21362
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分20010:機械力学およびメカトロニクス関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
中野 公彦 東京大学, 生産技術研究所, 教授 (90325241)
|
|---|
| 研究分担者 |
CHENG SHUO 東京大学, 生産技術研究所, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2021-11-18 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
1,000千円 (直接経費: 1,000千円)
2022年度: 700千円 (直接経費: 700千円)
2021年度: 300千円 (直接経費: 300千円)
|
|---|
| キーワード | 自動車 / 自動運転 / シャーシ / 意思決定 / 経路追跡 / 畳み込みニューラルネットワーク / dynamics / control / automated vehicle / neural networks / decision making |
|---|
| 研究開始時の研究の概要 |
安全な自動運転を実現するためには，事故が起きるような緊急時においても，操舵，ブレーキによって事故を回避する必要がある．ただし，それらの場面においては，自動車力学に非線形性が顕著に表れ，それらを考慮した制御が求められる．そのために以下の３つの課題に取り組む．
１．車両パラメータの観測
２．モデル予測制御を用いることにより，車両軌道を予測し安定した横方向制御を行うこと３．モデル予測制御を取り入れたブレーキ制御である．
ドライビングシミュレータ実験と数値計算を通じてこれらの妥当性を示す．
|
| 研究実績の概要 |
申請者は、人間が本来持っている運転メカニズムに着想を得て、動的な交通流を多くの情報が含まれる画像によって表現し、畳み込みニューラルネットワーク（CNN）に基づいて収集した運転データセットから、運転戦略を学習する包括的な深層学習方式を開発することを試みている。自車両を取り巻く交通流の包括的かつ動的な特徴を効果的に捉え、全ての近隣車両の時空間情報を処理することで、動的な運動を画像によって表現する。次に、時系列の時空間画像と、ラベル付けされた運転行動を、提案するCNNモデルに供給する。このネットワークは、基盤となる運動パターンを抽出し、横方向の操作と縦方向の速度の両方を含む、適切な運転行動を学習することができる。交通データセットを収集し、提案手法を検討するために、Simulation of Urban Mobility (SUMO)に基づくシミュレーション・プラットフォームを構築した。また、提案手法の性能をさらに評価するために、次世代シミュレーション（NGSIM）の実交通のデータセットも調査した。その結果、提案手法の有効性が典型的な高速道路シナリオで実証された。提案手法は自動運転車両の実装に貢献することが示唆された。これらの成果は1件の雑誌論文と1件の査読付き国際会議にて発表された。
自動制御車両のシャシダイナミクスを研究することを計画していたが、自動運転車両のアーキテクチャ全体の観点から、意思決定モジュール、人間の主観的経験、シャーシ制御モジュールについて研究を行い、想定以上の成果を上げることができた。
|
| 現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|
