[論文レビュー] Deep Learning and Control Algorithms of Direct Perception for Autonomous Driving

Der‐Hau Lee, Kuan-Lin Chen+3 more|arXiv (Cornell University)|Oct 26, 2019

Autonomous Vehicle Technology and Safety参考文献 28被引用数 5

ひとこと要約

本論文は、単眼画像から走行アフォーダンス（進行方向の角度、前方車両までの距離、道路中央線までの距離）を回帰するように微調整された畳み込みニューラルネットワーク（CNN: AlexNet および GoogLeNet）を用いた自律走行のための直接的知覚フレームワークを提案する。このシステムは、TORCSシミュレータ内での制御ループにおいて、これらの予測値と短距離センサデータ（例：ライダーまたはレーダーに類似した入力）を統合し、先行手法と比較して訓練効率と走行安定性の両方が向上した。

ABSTRACT

Based on the direct perception paradigm of autonomous driving, we investigate and modify the CNNs (convolutional neural networks) AlexNet and GoogLeNet that map an input image to few perception indicators (heading angle, distances to preceding cars, and distance to road centerline) for estimating driving affordances in highway traffic. We also design a controller with these indicators and the short-range sensor information of TORCS (the open racing car simulator) for driving simulated cars to avoid collisions. We collect a set of images from a TORCS camera in various driving scenarios, train these CNNs using the dataset, test them in unseen traffics, and find that they perform better than earlier algorithms and controllers in terms of training efficiency and driving stability. Source code and data are available on our website.

研究の動機と目的

• 原始的な画像から行動可能な走行指標にマッピングする直接的知覚システムの開発。
• シミュレートされた高速道路環境における訓練効率と走行安定性の向上。
• 学習済み知覚出力をリアルタイムのセンサデータと統合し、耐障害性の高い制御を実現。
• 未学習の交通状況においてフレームワークを評価し、一般化能力を検証。
• 再現可能性および今後の研究を促進するため、オープンソースのコードとデータセットを提供。

提案手法

• 事前学習済みのCNN（AlexNet および GoogLeNet）を微調整し、進行方向の角度、前方車両までの距離、道路中央線までの距離という3つの走行アフォーダンスを回帰する。
• さまざまな高速道路走行シナリオにおいて、TORCSシミュレータから単眼画像の多様なデータセットを収集する。
• 収集した画像-知覚ペairを用いて、教師あり学習によりCNNをエンドツーエンドで訓練する。
• TORCSの短距離センサデータ（例：ライダーまたはレーダーに類似した入力）とCNNによる知覚指標を融合する制御器を設計する。
• 融合知覚を用いてステアリングおよびアクセル指令を生成するフィードバック制御ループを実装する。
• 未学習の交通状況でシステムを評価し、耐障害性および一般化能力を検証する。

実験結果

リサーチクエスチョン

• RQ1 微調整されたCNNは、直接的知覚フレームワークにおいて、単一の画像から重要な走行アフォーダンスを効果的に回帰できるか？
• RQ2 学習済み知覚とリアルタイムのセンサデータを統合することで、シミュレーション内での制御安定性がどのように向上するか？
• RQ3 提案手法は、先行手法と比較して、より高い訓練効率と走行パフォーマンスを達成できるか？
• RQ4 学習データに含まれない未確認の交通状況において、モデルの一般化能力はどの程度高いか？
• RQ5 直接的知覚アプローチは、複雑な中間表現への依存をどの程度低減できるか？

主な発見

• 微調整されたCNN（AlexNet および GoogLeNet）は、単眼画像から進行方向の角度、前方車両までの距離、道路中央線までの距離を高い精度で回帰した。
• 訓練の収束が速く、先行する直接的知覚手法と比較して訓練効率が向上したことが、訓練プロセスの観点から裏付けられた。
• TORCSシミュレータ内では、多様な交通状況下でも、衝突回数が減少し、滑らかな軌道追従性が実現され、走行安定性が向上した。
• 未学習の交通状況でも、制御器が頑健な性能を発揮した。これは、知覚ネットワークの優れた一般化能力を示している。
• CNNの予測値と短距離センサデータの統合により、制御の信頼性と応答性が顕著に向上した。
• 著者らはデータセットとソースコードを公開しており、再現性の確保および今後のベンチマーク作成を可能にした。