| 研究課題/領域番号 |
21K03985
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 豊田工業大学 |
|---|
研究代表者 |
秋田 時彦 豊田工業大学, 工学(系)研究科(研究院), 特任上級研究員 (20564579)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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．
|
| 研究成果の概要 |
未学習データに対する駐車車両の形状復元精度を向上するための、半教師あり学習手法を創出した。計測した実環境データに対して、駐車車両の正解形状を大量に生成することは困難で精度低下が生じている。これに対して本手法は少量の教師付き学習データのみで精度向上を図るものである。
これを仮想正解値生成と能動学習、一貫性正則化の手法を組合せて実現した。仮想正解値の生成のため、VAEによる自己教師あり学習を用いる方法と、推定形状の正解形状モデルとの整合性から判定する方法を創出した。この手法により、教師データ16%のみで、80%での限界性能と同等以上の駐車車両形状の推定精度が得られることを確認した。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
