深層強化学習を用いた運転行動学習におけるVAEでの次元削減の効果

抄録

自動運転システムは，カメラから取得する画像やセンサ，GPSなどの様々な入力データを処理する．これらのデータは次元数が高く，同時に処理をし，学習を行うには，多くの計算資源が必要となる．本研究では，入力データをVAEを用いて次元削減することで，深層強化学習による運転行動学習の効率にどのような影響が出るかを調べた．ここでは，入力データをカメラで取得した画像に限定し，画像データをそのまま用いた場合，VAEを用いて次元削減した場合，プーリング処理を行った場合の3つのケースについて学習効率の変化を調べた．VAEを用いて次元削減を行った場合，従来手法と同等もしくはそれ以上の効率で学習ができることを確認した．