[論文レビュー] Ignition: An End-to-End Supervised Model for Training Simulated Self-Driving Vehicles

Rooz Mahdavian, Richard Diehl Martinez|arXiv (Cornell University)|Jun 29, 2018

Autonomous Vehicle Technology and Safety参考文献 8被引用数 3

ひとこと要約

この論文では、前面のRGB画像とハンドル回転データのみを用いて、Assetto Corsaでシミュレートされた自動運転車両を訓練する、ResNet-18アーキテクチャに基づくエンドツーエンドの教師あり深層学習モデルであるIgnitionを提案する。ステアリング、アクセル、ブレーキングの予測を、離散的な行動ボックスへの分類タスクに再定式化することで、ステアリングで58%、アクセルで86%の精度を達成し、明示的な特徴工学的設計や強化学習を用いずに、複雑なドライブポリシーをエンドツーエンドで学習可能であることを示した。

ABSTRACT

We introduce Ignition: an end-to-end neural network architecture for training unconstrained self-driving vehicles in simulated environments. The model is a ResNet-18 variant, which is fed in images from the front of a simulated F1 car, and outputs optimal labels for steering, throttle, braking. Importantly, we never explicitly train the model to detect road features like the outline of a track or distance to other cars; instead, we illustrate that these latent features can be automatically encapsulated by the network.

研究の動機と目的

• 制約のないシミュレーテッドレーシング環境における、スケーラブルでエンドツーエンドの教師あり学習フレームワークを構築すること。
• アクセルとブレーキングといった、しばしば極端値（0または1）に集中するマルチモーダルな行動を学習する際、回帰ベースのモデルに見られる限界を克服すること。
• 道路特徴の明示的工学的設計（例：レーン検出）を不要にすることで、ネットワークが生の視覚的および運動学的データから関連する潜在的表現を暗黙的に学習できるようにすること。
• データオーグメンテーションとアーキテクチャの変更を適用することで、シミュレーテッドセンサデータのノイズへの過剰適合を低減し、耐性と一般化性能を向上させること。
• 模倣学習を、より複雑なドライブポリシーのシミュレーション内での強力な初期化手段として使用可能かどうかを検討すること。

提案手法

• モデルは、ダウンサンプリングされたグレースケール画像（320×180）とハンドル回転データから階層的特徴を学習する18の残差ブロックを有するResNet-18アーキテクチャを採用する。
• 入力画像は、攻撃的なダウンサンプリングとデータオーグメンテーション（±5pxのランダムジッター、ガウスノイズ、対応するステアリングラベルの反転を伴う水平反転）を経て前処理される。
• 行動空間は離散化される：ステアリングは36のボックス（-180°から180°まで10°刻み）、アクセルは3クラス（フルアクセル、フルブレーキ、ニュートラル）に分類される。
• モデルは、Assetto CorsaにおけるOracle AIから収集した大規模データセット上で教師あり学習により訓練され、各フレームの真値行動が提供される。
• スティメンシー地図と損失解析を用いて、アクセルとブレーキングにおける性能不良を診断し、回帰損失が意味のあるパターンではなくレンダリングアーチファクトにフィットしていることが判明した。
• 最終的なアーキテクチャは、アイデンティティスキップ接続を活用することで、アーキテクチャの簡素化に対しても滑らかに劣化し、性能を維持できるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 明示的な特徴工学的設計なしに、エンドツーエンドの教師ありモデルが、特徴工学的設計なしに、シミュレーテッドレーシング環境で複雑でマルチモーダルなドライブポリシー（ステアリング、アクセル、ブレーキング）を学習可能か？
• RQ2 なぜ回帰ベースのモデルは、0または1に集中するアクセルとブレーキング行動の一般化に失敗するのか？
• RQ3 行動空間を分類タスクに再定式化することで、極端な制御行動の学習安定性と性能が向上するか？
• RQ4 深層ニューラルネットワークが、生の視覚的および運動学的入力からのみ、道路および車両のダイナミクスをどの程度暗黙的に学習できるか？
• RQ5 データオーグメンテーションとアーキテクチャ設計選択（例：ResNet）は、シミュレーテッド自動運転ポリシー学習における一般化性能とノイズ耐性にどのように影響するか？

主な発見

• モデルは、合成データセット上で効果的な最適化が行われたことを示唆する、安定した最終的なトレーニング損失に収束した。
• ステアリング予測の正確度は58%に達し、モデルがOracle AIの正規分布に従うステアリング行動を正常に学習したことを示した。
• アクセル分類の正確度は86%に達し、離散的分類アプローチが、アクセルやブレーキングといったマルチモーダル行動の学習を顕著に改善したことを示した。
• 回帰を用いた場合、アクセルとブレーキングのスティメンシー地図はノイズと区別がつかず、モデルが意味のある特徴ではなくレンダリングアーチファクトにフィットしていることが確認された。
• 分布解析により、アクセルとブレーキングが極めてマルチモーダル（0と1にピーク）であることが判明し、回帰モデルが無効であることが判明し、分類への移行が不可避であった。
• 入力のダウンサンプリング、データオーグメンテーション、分類再定式化の組み合わせが、ノイズへの過剰適合を効果的に低減し、シミュレーション内でのポリシー一般化を向上させた。