市街地の自動運転における環境情報のフィルタリング

抄録

本稿では、DRL（Deep reinforcement learning）によって出力された行動の説明可能性の不足に着目する。 DRLは、Atariのゲームやロボットのナビゲーションなど、多次元のビジュアル入力によるタスクの優位性を示している。 また、DRLは、自動運転を実現するための有用なアプローチとして期待されている。 市街地における環境下では多くの環境情報が利用できるが、適切な行動を決定するために不可欠な入力を特定することはできない。 DRLから得られた結果は、シンボリックな方法で書き留めることによって別のシステムに転送することが難しい暗黙知である。 したがって、自動運転車の設計者は、これらの結果を受け入れて利用しない可能性がある。 上記の理由から、記号表現に到達する第1段階として、適切な行動のために必要な入力を指定するフィルタリング方法を提案し、実験を通して提案法の有効性を示す。