デモンストレーションから自律走行車の運転スタイルを学習する

人間の監督なしで運転できる自律走行車が次の10年以内に市場に登場すると期待されています。ユーザーの受け入れのためには、そのような車両は安全で信頼できるだけでなく、快適なユーザー体験を提供する必要があります。しかし、快適さの個々の認識はユーザー間でかなり異なる場合があります。スポーティな運転や高加速を好むユーザーもいれば、よりリラックスしたスタイルを好むユーザーもいます。通常、加速プロファイル、他の車との距離、車線変更中の速度など、多くのパラメータが人間ドライバーのスタイルを特徴付けます。これらのパラメータを手動で調整するのは手間がかかり、間違いを犯しやすい作業です。したがって、我々はデモンストレーションからの学習アプローチを提案し、ユーザーが手動で車を運転することで望ましいスタイルを単純に示すことを可能にします。個々のスタイルをコスト関数の観点からモデル化し、特徴量ベースの逆強化学習を使用して、観察されたスタイルに最も適したモデルパラメータを見つけます。一度モデルが学習されると、自律モードでの車両の軌道を効率的に計算するために使用できます。我々のアプローチがコスト関数を学習し、実際のドライバーからのデータを使用して異なる運転スタイルを再現できることを示します。