• 2023年07月06日(木) 10:30 ~ 17:30

１．自動運転開発におけるハイブリッドAIとは

　　（１）．自動運転の現状と課題

　　　　ａ．自動運転を取り巻く状況

　　（２）．自動運転開発手法

　　　　a．ハードウェアの開発（車両開発とセンサー）

　　　　b．ソフトウェアの開発（地図、自己位置推定、認識、判断、操作）

　　　　c．シミュレーション環境における開発

　　　　d．実証実験の例と進め方

　　　　e．安全性論証のためのシナリオ開発

　　　　f．ツールの適用

　　（３）．ハイブリッドAIが解決する課題

２．論理知識型AIの基礎と活用法

　　（１）．論理知識型AI（ルールベース）の概要

　　　　ａ．仕組み（人がIF-THEN形式でルールを決める。ルールに必要な入力情報を与えると答えを出す）

　　　　b．強み（明確なルールならすぐに実装、コストも安い。人が決めた通りの解が出る、解の根拠を示せる）

　　　　c．弱み（人が全て教える必要がある。人が想像できないことは対応できない。複雑なルールは解に時間がかかる）

　　（２）．ルールベースの基本構造

　　　　ａ．Rete アルゴリズム（FactドリブンでIf発火、高速化）

　　　　b．Fact、Rule、ワーキングメモリ、プロダクションメモリ、アジェンダ

　　（３）．自動運転におけるルールベースの活用箇所

　　　　ａ．前車追従、車線維持などのADAS機能

　　　　b．道路交通法準拠（交差点における優先関係、緊急車両への対応など）

　　（４）．ルールベースの限界とこれからの活用予定

　　　　ａ．ルールが増えすぎると人が管理しきれないので自動運転の全てを担うことは難しい

　　　　b．それまでに培ったルールは強化学習の報酬として活用できる（強化学習とルールベースの共存、分担関係）

　　　　c．強化学習の監視

３．データ駆動型AIの基礎と自動運転への適用

　　（１）． データ駆動型ＡＩの概要

　　　　ａ．コンセプトレベルでの説明（試行錯誤による報酬最大化）

　　　　b．機械学習分野における位置づけ（教師あり学習、教師なし学習との違い）

　　　　c．近年の発展状況、応用事例の紹介 （ChatGPT, AlphaSta,  etc.）

　　（２）．強化学習の理論的基礎

　　　　ａ．Markov Decision Process

　　　　b．Deep Reinforcement Learning

　　　　c．Policy optimization by value-based, policy-based, or actor-critic algorithms

　　（３）．強化学習の自動運転への適用

　　　　ａ．自動運転システムのどこを担わせるか（判断 and/or 制御）

　　　　b．模倣学習との違い

　　　　c．近年の事例紹介

　　　　d．高度な自動運転実現に向けた課題（報酬設計、汎化性能、学習効率化、sim-to-real、安全性検証、etc.）

　　（４）．強化学習によるARCの自動運転研究開発の紹介

　　　　ａ．TBD（その時点での研究進捗状況による）

オンラインセミナー