DeepRacerにおけるシミュレーションと現実世界のギャップを考慮した学習?法の提案

カテゴリ: 部門大会

論文No: TC2-2-5

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Learning Methods Bridging the Gap Between Simulation and Reality in Real-World Experiments with DeepRacer

著者名: 對馬 彩斗（室蘭?業?学）,半田 久志（近畿?学）,渡邉 真也（室蘭?業?学）

著者名(英語): Ayato Tsushima (MURORAN INSTITUTE OF TECHNOLOGY),Hisashi Handa (KINDAI UNIVERSITY),Shinya Watanabe (MURORAN INSTITUTE OF TECHNOLOGY)

キーワード: DeepRacer|強化学習|実機実機|Deepracer|Reinforcement Learning|Actual machine

要約(日本語): ?性能な強化学習?法の登場により，シミュレーターを活?した学習が幅広い分野に応?され成果を挙げている．しかしながら，シミュレーション，現実間にあるギャップにより，シミュレーション上で学習したモデルが現実世界でも性能を発揮するように調整する必要があり，問題の1つとなっている．本研究では，AWSが開発したDeepRacerを実例として採?し，このギャップを埋めるための?法論について検討を?った．DeepRacerは1/18スケールの?律??レーシングカーであり，強化学習モデルを現実世界で?らせモデル検証することができる製品である．本研究では，シミュレーション上で作成した学習モデルを実機として現実世界で試験運転し，そこで得られたギャップをシミュレーション上に反映させた転移学習を?うことで，現実世界に適応したモデル?成ができるのかについて簡単な実証実験を通じ，有?性の検証を?った．