深層強化学習を用いたロボットナビゲーションの多くは，入力として2D-LiDARを用いている．本研究は，深度画像を入力としたナビゲーションの精度向上を目指す．シミュレータはGazebo，ロボットはJetson Nano Mouseを用い，通信制御方法としてROSを用いる．学習には，Deep Q-Networkを用い，任意の始点から終点までの自律走行を学習させる．その際，複数のロボットを用意し，異なる障害物を有した異なる環境を同時に学習させることで，汎化性能の向上を図る．推論時はロボットの自己位置推定のみに2D-LiDARを用い，障害物回避と走路計画にシミュレーション学習させた学習済みモデルを用いる．