| 研究課題/領域番号 |
21H03517
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61050:知能ロボティクス関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
下坂 正倫 東京工業大学, 情報理工学院, 准教授 (40431796)
|
|---|
| 研究分担者 |
小竹 元基 東京工業大学, 工学院, 教授 (10345085)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 逆強化学習 / 運転行動モデリング / 経路生成 / RRT / 運転行動シミュレーション |
|---|
| 研究成果の概要 |
近年，先進運転支援システムの開発が盛んである．本研究ではこれらのシステムの高度化を念頭に，逆強化学習（模倣学習・逆最適制御）に基づく運転行動をモデリング（運転行動予測とシミュレーション生成）する手法を開発した．特に，自動車運転行動モデリングの応用の観点にたち，従来の技法で不足していた安定性と安全性を指向する技術を構築した．具体的には，確率的経路生成手法と経路候補に基づく重点サンプリングによる効率的な報酬場推定手法と，負例（交通事故に該当するデータ）を用いた効率的な学習法を開発した．また，負例に該当するデータを安全に収集するため，運転行動データ収集環境を構築し，実際に運転データ収集を行った．
|
| 自由記述の分野 |
知能ロボティクス
|
| 研究成果の学術的意義や社会的意義 |
本研究で構築した技術の一つである，RRTに基づく経路生成法，及び，重点サンプリング法に基づく報酬場最適化手法は，逆強化学習に基づく運転行動モデリングの適用範囲を拡張するものである，また，負の事案を用いた手法は，熟練ドライバの運転行動の表層的な模倣だけでなく，安全性という価値感を含めた模倣を目指す基盤となっている．構築した技術は交通事故を低減する新たな運転支援システムの開発に貢献する．例えば，事故要因分析や事故回避のシミュレーションへの応用が期待できる．
|
