UCバークレーの研究者たちは、FastRLAPを提案していますこれは、深層強化学習（Deep RL）と自律練習を通じて高速運転を学ぶためのシステムです

UC Berkeley researchers propose FastRLAP, a system for learning high-speed driving through deep reinforcement learning (Deep RL) and autonomous practice.

カリフォルニア大学バークレー校の研究者たちは、FastrLapというシステムを開発しました。このシステムは機械学習を使用して自動運転車に高速で攻撃的に運転する方法を教えることができます。FastrLapは、自動運転車がレーストラックを素早く効率的にナビゲートし、より速いラップタイムを達成するためのリスクを取ることをサポートするために設計されています。FastrLapは、通常人間のドライバーに教えられない運転戦略を学ぶことができ、自動運転車と人間のドライバーのパフォーマンスを向上させることができます。

FastrLapは、シミュレーション環境を使用してニューラルネットワークを訓練します。これにより、さまざまなシナリオと運転戦略を素早く反復することができます。システムは車のセンサーからデータを取得し、トラックをどのようにナビゲートするかを決定します。研究者たちはカリフォルニアのレーストラックでテストを行い、プロの人間ドライバーよりも速いラップタイムを達成しました。FastrLapは高速でトラックをナビゲートし、急なカーブを曲がり、他の車両との衝突を回避しました。

FastrLapの大きな利点の1つは、自動運転車に攻撃的な運転を教えることができることです。これは通常、人間のドライバーには教えられません。システムはリスクを取り、可能な限りの限界を追求することで、より速いラップタイムを達成することができます。FastrLapはまた、計算されたリスクを取り、可能な限界を追求するように人間のドライバーを訓練するためにも使用することができます。これにより、彼らのレーストラックでのパフォーマンスや日常の運転シーンを向上させるのに役立ちます。

• マサチューセッツ州ローウェル大学の研究者たちは、高ランクのトレーニングに低ランクの更新を使用する新しいAIメソッドであるReLoRAを提案しています
• オックスフォードの研究者たちは、「Farm3D」というAIフレームワークを提案していますこのフレームワークは、2D拡散を蒸留して学習し、ビデオゲームなどのリアルタイムアプリケーションで利用できる関節のある3Dアニマルを生成することができます
• コロンビア大学とDeepMindの研究者が、GPATというトランスフォーマーベースのモデルアーキテクチャを紹介しましたこのモデルは、各パーツの形状が目標の形状にどのように対応しているかを推測し、パーツのポーズを正確に予測します

研究者たちは、攻撃的な運転戦略に関連する潜在的な安全上の懸念を認識していますが、自動運転車に攻撃的な運転を教える利点はリスクを上回ると信じています。システムはシミュレーションを通じて自らのミスから学び、運転戦略を継続的に改善し洗練させることができます。

FastrLapの潜在的な応用範囲は非常に広いです。一つの可能な利用例は自律型レーシングです。このシステムの能力を活用することで、自動運転車の競技用レースのためのトレーニングが可能になります。Roboraceなどのイベントが注目を集める中、自律型レーシングは急速に成長しています。

まとめると、FastrLapは自動運転に対する考え方を変える可能性のある革新的なシステムです。自動運転車に攻撃的な運転と計算されたリスクを教えることで、システムは新たなパフォーマンスと効率のレベルを開放することができます。攻撃的な運転戦略に関連する潜在的な安全上の懸念はありますが、特に自律型レーシングにおいては利益がリスクを上回ります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!