小型UGV自動走行のための深層強化学習手法の比較

抄録

本研究では深層強化学習によって，混雑した動的空間で事前環境地図を必要としない安全かつ効率的な自動走行プログラムを開発を目指す．そのための，Robot Operating System (ROS) をベースにした小型UGV (無人地上車両) を対象としたシミュレーション環境を構築した．構築した環境ではソケット通信を使って，学習・予測を行うOpenAI Gym APIを提供している．この環境を利用して，2D-LiDAR入力に基づいて離散値でロボット制御コマンドを生成する，いくつかの深層強化学習モデルを実装し，それらを比較し，どういった深層強化学習モデルが自動走行に有効なのかを調査した．最後に，シミュレータ環境での学習が現実空間に適用できることを確認するために，学習済みモデルを実際に小型UGVに搭載し，その動作を確認した．