[論文レビュー] Self Driving RC Car using Behavioral Cloning

Aliasgar Haji, Priyam Shah+1 more|arXiv (Cornell University)|Oct 10, 2019

Autonomous Vehicle Technology and Safety参考文献 1被引用数 4

ひとこと要約

本論文では、行動コーディングを用いた自律走行RCカーのシステムを提示している。深層畳み込みニューラルネットワークを用いて、ドキュメンテーション動画から人間の運転行動を模倣する。カメラ画像と対応するステアリング角度を用いて訓練することで、モデルはレーストラック上での自律走行を可能にし、最小限の人的介入で現実世界の条件下でも安定した性能を発揮する。

ABSTRACT

Self Driving Car technology is a vehicle that guides itself without human conduction. The first truly autonomous cars appeared in the 1980s with projects funded by DARPA( Defense Advance Research Project Agency ). Since then a lot has changed with the improvements in the fields of Computer Vision and Machine Learning. We have used the concept of behavioral cloning to convert a normal RC model car into an autonomous car using Deep Learning technology

研究の動機と目的

• 教育的および研究的目的のために、行動コーディングを用いた低コストでアクセス可能な自律走行システムの開発を目的とする。
• RCカーから得られるリアルタイムの視覚的および制御データを用いて、エンドツーエンドの深層学習モデルを訓練する可能性を実証することを目的とする。
• 人間の運転デモンストレーションからの模倣学習のみを用いて、事前に定義されたレーストラック上での自律走行を可能にすることを目的とする。
• 最小限のハードウェアおよび計算リソースで、行動コーディングの有効性を実世界のロボット制御設定で検証することを目的とする。

提案手法

• システムは、前方カメラの画像を入力として処理するための畳み込みニューラルネットワーク（CNN）を用いる。
• 人間の運転デモンストレーションが記録され、画像データと対応するステアリング角度が収集される。
• 収集したデータセットを用いて、観測値から行動（ステアリング命令）へのマッピングを学習する深層学習モデルを教師ありで訓練する。
• 訓練されたモデルは、RCカーの搭載コンピュータにデプロイされ、リアルタイムのステアリング意思決定が可能になる。
• ネットワークアーキテクチャは、組み込みハードウェア上で高速かつ効率的なリアルタイム推論を最適化するように設計されている。
• 一般化性およびロバスト性を向上させるために、データ拡張および正規化技術が適用されている。

実験結果

リサーチクエスチョン

• RQ1 行動コーディングは、人間のデモンストレーションデータのみを用いて、RCカーがレーストラックを自律走行可能に学習できるか？
• RQ2 模倣学習データで訓練された深層学習モデルは、現実世界の走行状況においてどの程度一般化できるか？
• RQ3 閉ループのレーストラック上での安定性および正確性という観点から、エンドツーエンド学習システムの性能はいかがなものか？
• RQ4 推論時に、照明条件やレーストラックの状況の変化に対して、システムはどのように対処するか？

主な発見

• モデルは、人間のデモンストレーションからの行動コーディングのみを用いて、事前に定義されたレーストラックを正常に走行することに成功した。
• システムは、頻繁な衝突や制御の喪失がなく、安定的かつ連続的な走行行動を示した。
• 組み込みハードウェアへのデプロイにより、リアルタイム推論が達成され、RCカーの迅速な制御が可能になった。
• 照明条件の変化に対しても性能が安定しており、模倣ポリシーの一般化能力が裏付けられた。