日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転/強化学習arXiv:2505.05223

選好に応じて運転スタイルを動的に適応させる多目的強化学習による自動運転

Multi-Objective Reinforcement Learning for Adaptable Personalized Autonomous Driving

シェア:XThreadsFacebookLINEはてブBluesky

多目的強化学習を用いて、効率・快適性・速度・攻撃性などの運転スタイル選好を連続的な重みベクトルで表現し、再学習なしに実行時に適応できる単一ポリシーの自動運転エージェントを提案した。CARLAシミュレータでの評価により、衝突回避や経路完走性能を維持しつつ選好に応じて動的に運転行動を変化させることを示した。

詳しい要約

1. どんなもの?

- 個人の運転スタイル選好に適応する end-to-end 自動運転のための手法 - multi-objective reinforcement learning (MORL) と preference-driven optimization を用いる - 選好を連続的な weight vector として符号化し、実行時に走行スタイルを変調 - 対象は複雑な mixed-traffic の都市環境における vision-based 運転 - CARLA simulator で評価

2. 先行研究と比べてどこがすごい?

- 既存の end-to-end 運転手法は predefined な運転スタイルに依存、または継続的な user feedback を要する - それらは動的で context-dependent な選好への適応が限定的 - 提案法は policy retraining なしで実行時適応を可能にする点が異なる - 選好を連続 weight vector で表現し解釈可能な style objectives に沿って変調

3. 技術・手法の肝は?

- multi-objective reinforcement learning (MORL) に preference-driven optimization を組み合わせる - 選好を連続的な weight vector として符号化 - efficiency, comfort, speed, aggressiveness という解釈可能な style objectives に沿って挙動を変調 - 単一 policy の agent が vision-based perception を統合 - policy の再学習を必要とせず実行時に選好へ適応

4. どうやって有効だと検証した?

- CARLA simulator を用い、多様な都市環境で評価 - 選好の変化に応じて走行挙動が動的に適応することを実験的に示す - collision avoidance と route completion の性能を維持 - 詳細な比較条件や指標の定義は要旨からは不明

5. 議論はある?

- 選好適応と collision avoidance・route completion の両立を主張 - 動的で context-dependent な選好への対応が可能と述べる - 限界や失敗事例、計算コスト、実車展開への議論は要旨からは不明 - 評価は simulator 内に限定されており実世界検証は要旨からは不明

6. 次に読むべき論文は?

- multi-objective reinforcement learning (MORL) の preference-driven 手法に関する文献 - end-to-end autonomous driving の先行研究 - CARLA simulator を用いた都市運転のベンチマーク研究 - 運転スタイル選好のモデル化や personalization に関する研究 - 要旨で個別の参照論文は明示されていない

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hendrik Surmann, Jorge de Heuvel, Maren Bennewitz

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Human drivers exhibit individual preferences regarding driving style. Adapting autonomous vehicles to these preferences is essential for user trust and satisfaction. However, existing end-to-end driving approaches often rely on predefined driving styles or require continuous user feedback for adaptation, limiting their ability to support dynamic, context-dependent preferences. We propose a novel approach using multi-objective reinforcement learning (MORL) with preference-driven optimization for end-to-end autonomous driving that enables runtime adaptation to driving style preferences. Preferences are encoded as continuous weight vectors to modulate behavior along interpretable style objectives$\unicode{x2013}$including efficiency, comfort, speed, and aggressiveness$\unicode{x2013}$without requiring policy retraining. Our single-policy agent integrates vision-based perception in complex mixed-traffic scenarios and is evaluated in diverse urban environments using the CARLA simulator. Experimental results demonstrate that the agent dynamically adapts its driving behavior according to changing preferences while maintaining performance in terms of collision avoidance and route completion.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI