| 研究概要 |
ドライビング・エージェントの自動設計に向けて,エージェントが遠隔操作車の運転スタイルを自動的に獲得することを可能とする,自然に学ぶデザイン・アプローチを開発した.具体的には,遠隔操作の縮尺モデル車が障害物との衝突回避をうまく実現できるような運転スタイルの自動獲得を実現した.
エージェントは,実験周回道路(サーキット)頭上のビデオカメラによる車の位置を知覚し,標準的な無線装置を経由して縮尺モデル車の制御動作を実行する.その際問題となるビデオ情報の遅延を処理するため,我々は,車固有の状態と周辺情報に基づいてエージェントが現在の執るべき制御動作を予測する予測モデルを提案した.予測の精度は縮尺モデル車の現在のスピード・方向・障害物との距離や位置に大きく影響されるため,ドライビング・エージェントは進化的な方法論を用いて,その予測モデルを適切に調整していくことになる.
その結果,ドライビング・エージェントはリアルタイムに
(i)車搭載のビデオカメラを用いて事前には知りえない座標にある静的な障害物を検出し,
(ii)連続的なビデオフレーム間の障害物への視線角の動的な変化(即ち,視差情報の変化)からその障害物を自らのグローバルな制御空間に自然なかたちでマッピングし,
(iii)障害物の近傍においてはポテンシャル場モデルに基づき障害物回避をスムースに行う操縦を行うことが可能となった.
本研究成果は,絶えず変動する未知の環境においても安全な解を見出すことができる,遠隔操作ヴィークルの制御ソフトウェアの自動設計へ向けたひとつのステップと見なすことができる.
|
