1U-05
UnrealEngineを使用したトラック自動駐車の強化学習
○正木瑛太,竹縄知之,Nemesio Asael Melendez(東京海洋大)
自動運転技術における強化学習の応用において、現実環境を用いた学習は高コストである一方、簡易な数理モデルに基づく環境では現実の物理現象から乖離してしまうという課題がある。本研究では Unreal Engine というゲームエンジン上に実在の物流施設を模した仮想環境を構築し、強化学習アルゴリズムを適用することで、自動駐車モデルの構築および評価を行った。強化学習アルゴリズムとしては、Mind Makerプラグインを通して、Stable-Baselines3 の Proximal Policy Optimization(PPO)を使用した。学習の結果、作成した環境下で自動駐車が可能であることを確認したため、報告する。