深層強化学習を用いた歩行者エージェントのシミュレーション分析

カテゴリ: 研究会(論文単位)

論文No: CT24105

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2024/12/04

タイトル(英語): Simulation Analysis of Pedestrian Agents Using Deep Reinforcement Learning

著者名: 加藤 夏生(広島大学),林田 智弘(広島大学),関崎 真也(広島大学),西崎 一郎(広島大学)

著者名(英語): Natsuki Kato(Hiroshima University),Tomohiro Hayashida(Hiroshima University),Shinya Sekizaki(Hiroshima University),Ichiro Nishizaki(Hiroshima University)

キーワード: 歩行者シミュレーション|深層強化学習|マルチエージェント|pedestrian simulation|deep reinforcement learning|multi-agent

要約(日本語): 建築や土木工学などのさまざまな分野において歩行者シミュレーションが用いられる．本研究は，深層強化学習の一種であるDeep Q-Network(DQN)を用いて歩行者モデルを構築する．現実の歩行環境では，歩行者は他の歩行者の移動速度を正確に観測することは難しいため，従来研究とは異なり，歩行者エージェントが他の歩行者の移動速度を観測できないとする場合に，障害物を回避するような行動選択を自律的に行えるように学習することを目標とする．

要約(英語): Pedestrian simulation is used in various fields. It is difficult to observe the speed of other pedestrians in a real walking environment, so this study constructs pedestrian agents that can only perceive the location information of obstacles by using Deep Q-Network (DQN), a type of deep reinforcement learning.

本誌: 2024年12月7日制御研究会

本誌掲載ページ: 13-18 p

原稿種別: 日本語

PDFファイルサイズ: 735 Kバイト