目的方向情報の強調による分岐選択可能なEnd-to-End自動運転
End-to-End Learning-based Driving System with Branches by Emphasizing Target Direction
- 提供方法
- 他サイトにて提供・販売
- 入手方法の確認はこちら
- 文献番号
- 20214933
- 文献・情報種別
- 自動車技術会論文集
Vol.52 No.6
- 掲載ページ
- 1368-1374(Total 7 p)
- 発行年月
- 2021年 11月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
書誌事項
| カテゴリ | 研究論文 |
|---|---|
| カテゴリ（英） | ResearchPaper 翻訳 |
| 著者 | 1) 清谷 竣也, 2) 大谷 健登, 3) カルバヨ アレックサンダー, 4) 竹内 栄二朗, 5) 武田 一哉 |
| 著者（英） | 1) Shunya Seiya, 2) Kento Ohtani, 3) Alexander Carballo, 4) Eijiro Takeuchi, 5) Kazuya Takeda |
| 勤務先 | 1) 名古屋大学, 2) 名古屋大学, 3) 名古屋大学，ティアファー, 4) 名古屋大学，ティアファー, 5) 名古屋大学，ティアファー |
| 抄録 | 本研究では，End-to-End自動運転を用いて分岐含む経路を追従するための手法について研究を行う．本手法では，L2正則化を用いて入力画像の特徴量にかかる重みの大きさを制限し，もう一つの入力である分岐の進行方向を示すベクトルを強調することで，ロボットが分岐を含む経路を追従できる学習手法を提案する． |
| 抄録（英） | End-to-end driving refers to deep learning methods for generating control signals directly from external sensors. Previous methods use a direction vector towards the target to select and turn at intersections. However, the vector has a smaller dimension than the image, and thus it is ignored during training. In this study, we propose a learning method to emphasize that vector by using L2 regularization, which enables a robot to follow trajectories with branches. We validate the system's performance by conducting experiments using several driving scenarios. Our approach allowed an autonomous robot to successfully follow trajectories, including unknown outdoor trajectories. 翻訳 |
