深層強化学習による施工機械の経路生成

抄録

本研究では，不整地をブルドーザのような施工機械で整地する作業の自律化を想定し，Double DQN（Double Deep Q Network）を用いることによりブルドーザが自律的に最適な運転経路を生成することを目指す．これまでに筆者らは，Double DQNを整地シミュレーションに適用して経路計画する研究を行ったがネットワークへの入力が画面データのため，入力サイズが大きく計算負荷が高くなことが課題であった。そこで本研究では入力サイズを小さくすることで，ニューラルネットワークの規模を縮減し，ニューラルネットワークにおける計算コストを減らすことで学習の高速化を図ることを目的とする．具体的には，ネットワークへの入力を画像データの代わりに，ブルドーザや土砂の座標データもしくは，ブルドーザと土砂との相対座標とし，入力の次元を小さくした場合の学習を行い，経路の最適性と高速化について検証する．