A Study on SNN-Based Decision Models for Autonomous Driving
自動運転に向けたSNN判断モデルの検討
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20266129
- Paper/Info type
- Proceedings (Autumn)
No.119-26
- Pages
- 1-4(Total 4 p)
- Date of publication
- Oct 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Autumn)
Detailed Information
| Author(J) | 1) 泉名 克郎, 2) 冨田 克樹, 3) 有馬 悠也, 4) 黄 爍 |
|---|---|
| Author(E) | 1) Katsuo Semmyo, 2) Katsuki Tomita, 3) Yuya Arima, 4) Shuo Huang |
| Affiliation(J) | 1) NTTデータオートモビリジェンス研究所, 2) NTTデータオートモビリジェンス研究所, 3) NTTデータオートモビリジェンス研究所, 4) NTTデータオートモビリジェンス研究所 |
| Affiliation(E) | 1) NTT DATA Automobiligence Research Center, 2) NTT DATA Automobiligence Research Center, 3) NTT DATA Automobiligence Research Center, 4) NTT DATA Automobiligence Research Center |
| Abstract(J) | 従来の人工ニューラルネットワーク（ANN）に対し，脳により近い構造を模したスパイキングニューラルネット（SNN）は低消費電力や低レイテンシの点で有利とされハードウェア要求の厳しい自動車向け機能での応用が期待される．強化学習による判断モデル構築の一環として，簡易な実験環境にてSNNの評価とその考察を報告する． Translation |
| Abstract(E) | Compared to conventional Artificial Neural Networks (ANNs), Spiking Neural Networks (SNNs), which mimic brain-like structures, offer advantages in low power consumption and low latency, making them promising for applications in automotive functions with demanding hardware requirements. As part of developing a decision model using reinforcement learning, we evaluate an SNN in a simplified experimental environment and discuss its potential. |
