[1L2-J-11] ロボットと実世界: 物体と環境の認識

[1L2-J-11-01] End-to-End自動運転モデル改善のための画像認識サブタスクの設計と評価

〇石 晶¹、李 志豪²、本吉 俊之¹、大西 直¹、森 裕紀³、尾形 哲也^1,4 (1. 早稲田大学　基幹理工学部　表現工学科、2. 早稲田大学　創造理工学部　総合機械工学科、3. 早稲田大学　次世代ロボット研究機構、4. 産業技術総合研究所)

キーワード：自動運転、サブタスク、End-to-End 学習

深層学習を用いてサブタスクを学習することにより，自動運転におけるメインタスクの性能を上昇させることができる．Li et al. 2018の研究では，周囲の認識を担うPerception Module(Semantic Segmentation, Depth情報を抽出）と，運転操作を行うDriving Moduleという２つのモジュールを用いたマルチタスク学習手法を提案し，未知の環境での汎化性能を改善することを示した．しかし，メインタスクに対するサブタスクの理論的な設計は無い．本研究では，Li et al. 2018の研究をもとに自動運転における複数のサブタスクの組み合わせによる運転行動の生成結果を比較する実験を行なった．その結果，Semantic SegmentationのみをPerception Moduleが学習する際に汎化性能が最も高くなった．