Towards Selection and Transition Between Behavior-Based Neural Networks for Automated Driving

要約

自動運転技術は急速に進歩していますが、その主な理由は、ディープ ニューラル ネットワークに基づく複雑なエンドツーエンド システムです。
これらのシステムは効果的ですが、その複雑さによりその動作を理解することが困難になる可能性があり、安全性への懸念が生じます。
この論文では、複数の小規模な人工ニューラル ネットワーク (ANN) を使用して、車線追従や方向転換などのさまざまな運転タスクを管理する新しいソリューションである Behavior Selector を紹介します。
負担が大きく、膨大なトレーニング データが必要で、理解が難しい単一の大規模ネットワークに依存するのではなく、開発されたアプローチにより、システムは特定の動作 (ターンなど) ごとに適切なニューラル ネットワークをリアルタイムで動的に選択できます。
。
安定性と安全性を向上させるために、車両の現在の速度と方向を考慮しながら、動作間のスムーズな移行を確保することに重点を置いています。
提案されたシステムは、AirSim シミュレーション環境を使用してテストされ、その有効性が実証されました。

要約(オリジナル)

Autonomous driving technology is progressing rapidly, largely due to complex End To End systems based on deep neural networks. While these systems are effective, their complexity can make it difficult to understand their behavior, raising safety concerns. This paper presents a new solution a Behavior Selector that uses multiple smaller artificial neural networks (ANNs) to manage different driving tasks, such as lane following and turning. Rather than relying on a single large network, which can be burdensome, require extensive training data, and is hard to understand, the developed approach allows the system to dynamically select the appropriate neural network for each specific behavior (e.g., turns) in real time. We focus on ensuring smooth transitions between behaviors while considering the vehicles current speed and orientation to improve stability and safety. The proposed system has been tested using the AirSim simulation environment, demonstrating its effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google