経路追従機能による軌道修正動作を用いた 自動運転のための End-to-end 学習スキーム End-to-end Learning Scheme for Self-Driving Cars with Trajectory Recovery Using a Path-Following Function
5117E006-2 大西 直 指導教員 尾形 哲也 教授
ONISHI Tadashi Prof. OGATA Tetsuya
概要：本研究では自動運転のための End-to-end 学習スキームを提案する．近年，ニューラルネットワークを用いて自動 運転システムのための End-to-end モデルが構築されている．自動運転研究をする上で，自動車がどのように走行車線に 復帰するか，というのは共通した課題である．本研究では，Path-following module（自動車が現在位置を用いて自動的に 経路を生成して追従するシミュレータ内の機能）を用いて復帰動作を収集しニューラルネットワークで学習させた．学習さ せたモデルを用いて運転行動を生成して，一定の閾値を上回った際に Path-following module による操作に切り替えること で復帰動作を収集し，初めに収集したデータと合わせて再学習させた．提案手法を評価するため，経路上の waypoint か らの平均距離について，復帰動作を含まないデータセット，ランダムなノイズを含むデータセット，および提案手法による復 帰動作を含んだデータセットを比較した．提案手法によるモデルは，学習済み，未学習それぞれのコースと天候において 最も優れた走行を行い，空やその他の建物よりも道路に注目して走行していることを確認した．
キーワード：自動運転, 復帰動作，ニューラルネットワーク, シミュレータ，End-to-end学習
Keywords: Self-Driving, Recovery behavior, Neural Network, Simulator, End-to-end Learning
１．はじめに
自動運転研究では，あらゆる状況を網羅的に学 習させることが望ましい．事故に近い状況から復 帰するというような非日常的な運転データが必 要不可欠となるが，実世界で収集するのは危険で ある．シミュレータ環境内でデータを取得する場 合であっても，どのように復帰動作を収集するの かが重要である．既存手法では，左右中央のカメ ラを用いたステアリングの生成や，運転データ収 集中に 10%の頻度で軌道ノイズを加える手法を 用いている[1][2]．しかし，これらの手法の場合，
本当に学習が必要な部分，特に道路から逸れやす い部分における復帰動作を適切な操作量で収集 できているとは言えない.
図１．システム構成
２.提案する学習スキーム
提案するシステム構成を図１に示す．大きく分 けて Path-following module（現在位置を用いて 自 動 的 に 経 路 を 生 成 し て 追 従 す る 機 能 ） と Neural driving module（ニューラルネットワー ク(NN)によって生成される運転操作を出力する 機能）の２つのモジュールに分けられる．
提案手法は大きく分けて２段階に分けられる．
第 1 段階では，Path-following module のみ用い て運転データを収集する．この段階で，Codevilla らと同様に軌道に 10％のノイズを追加した[2]．
データを収集する際は，走行車線から逸脱する操 作をしたデータは除外し，走行車線に復帰するデ ータおよび走行車線内を運転するデータを収集 した．第２段階では，第１段階で収集したデータ を学習した NN による Neural driving module で 学習したモデルを用いて運転行動を生成し，走行 テストを行う．この際，経路上の waypoint から の距離が指定された閾値 d threshold を上回った場合，
Path-following module に操作が切り替わる．
2 Path-following module による復帰動作のデータ は，第１段階で収集した運転データセットに加え て再学習させる．
３．実験
3.1 シミュレータ環境と学習に用いたモデル
図２．シミュレータ環境と学習に用いたモデル シミュレータ環境と学習モデルは図２のよう になる．ゲームエンジンである Unity を用いてシ ミュレータ環境を構築した[3]．シミュレータ内 で得られた車載カメラ画像と車両状態を収集し 時系列を考慮した畳み込みニューラルネットワ ークで学習させる．学習モデルからシミュレータ に操作指令を送信して実際に走行させて結果を 検証する．
3.2 学習と評価について
空模様として，夜明け，午前，午後，夕方，夜 の 5 つを学習用，昼と夜をテスト用とした．建物 については，学習データの汎用性を高めるために ランダムも建物を設置した．学習用コースとして 直線路，曲線路，狭路を含む 1 周 1200m のコース を用意し，約 3 時間の 100 周の運転データを収集 した．テスト用コースとして直線路，曲線路，狭 路の３種類を用意し，それぞれのコースで車両位 置と経路上の waypoint との平均距離[m]を比較 した．
４．結果と分析 4.1 結果
図３．経路上の waypoint からの平均距離[m]
図３は，各コースに対して 50 周（学習済みコ ースは 100 周）走行した際の，車両位置と経路上 の waypoint との平均距離を示している．提案手 法を用いたモデルは，直線路，曲線路，狭路それ ぞれにおいて最も平均距離が小さい運転をする ことが出来ており，ほぼ 50 周を走破することが 出来た．これは，提案手法により，比較的失敗し やすい曲線路における復帰動作の運転データを 重点的に収集したからだと考えられる．
4.2 SmoothGrad による可視化
図４．SmoothGrad による可視化 走行性能が向上したことを確認するために，
SmoothGrad を使用して，未学習のコースと空模 様について画像の着目点を可視化したものを図 ４に示す[4]. SmoothGrad により，提案手法によ るモデルが空やその他の建物よりも道路に注目 して走行したことが示された．
５．結論
運転主体の切り替えによる復帰動作の効率的 なデータ収集，および学習手法を提案した．第１ 段階として，ランダムなノイズを含む運転データ の収集，NN による学習を行なった．第２段階と して，運転主体の切り替えによる復帰データの収 集，NN による再学習を行なった．提案手法によ るモデルは，学習済み，未学習それぞれのコース と空模様において最も優れた走行を行い，空やそ の他の建物よりも道路に注目して走行している ことを確認した．
参考文献
[1]M. Bojarski et al. End to end learning for self-driving cars. arXiv:1604.07316, 2016.
[2] F. Codevilla et al. End-to-end driving via conditional imitation learning. arXiv:1710.02410, 2017.
[3] Unity Available: http://japan.unity3d.com/.
[4] D. Smilkov et al. SmoothGrad: removing noise by adding noise. arXiv:1706.03825, 2017.
(a)
…
(b)
