Using Collision Momentum in Deep Reinforcement Learning Based Adversarial Pedestrian Modeling

要約

歩行者シミュレーションの最近の研究は、さまざまな状況で現実的な動作を開発することを目的としていることが多いですが、既存のアルゴリズムでは、極端でありそうもないシナリオやエッジケースで自動運転車のパフォーマンスの弱点を特定する動作を生成するのは困難です。
これに対処するには、特殊な歩行者行動アルゴリズムが必要です。
現在の研究は、社会力モデルと強化学習ベースのモデルを使用した現実的な軌道に焦点を当てています。
しかし、私たちは特に衝突をターゲットにし、自動車両コントローラーの固有の故障モードをより適切に明らかにする強化学習アルゴリズムを提案します。
私たちのアルゴリズムは効率的で、より深刻な衝突を発生させるため、複雑で多様なシナリオにおける自動運転アルゴリズムの弱点の特定と修正が可能になります。

要約(オリジナル)

Recent research in pedestrian simulation often aims to develop realistic behaviors in various situations, but it is challenging for existing algorithms to generate behaviors that identify weaknesses in automated vehicles’ performance in extreme and unlikely scenarios and edge cases. To address this, specialized pedestrian behavior algorithms are needed. Current research focuses on realistic trajectories using social force models and reinforcement learning based models. However, we propose a reinforcement learning algorithm that specifically targets collisions and better uncovers unique failure modes of automated vehicle controllers. Our algorithm is efficient and generates more severe collisions, allowing for the identification and correction of weaknesses in autonomous driving algorithms in complex and varied scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google