Presentation Information
[4Yin-B-63]Impact of Model Learning and Inference Capabilities and Navigation Information Content on Driving Performance in End-to-End Autonomous Driving
〇Rin Takahashi1, Kazuki Yoshida1 (1. Tokyo Metropolitan College of Industrial Technology)
Keywords:
autonomous driving,Navigation Information
End-to-End自動運転において、従来の離散的な高レベルコマンドでは道路形状の幾何学的な情報が欠落しており、これが走行性能の低下を招く要因となっていると考え、本研究では、ナビゲーション情報を連続的なウェイポイントとしてモデルに入力する手法を使用し、従来手法との比較を行った。本実験では、学習・推論能力の異なるモデルを作成し、ナビゲーション情報の表現方法の違いによる性能差を比較した。その結果、学習・推論能力が高いモデルにおいては、ナビゲーション情報の差異による走行性能の有意な差は確認されなかった。これは、モデルの学習能力が増すにつれて画像入力から道路の幾何学的特徴を抽出する能力が向上し、詳細なナビゲーション情報の必要性が相対的に低下したためと考えられる。一方で、学習・推論能力が低いモデルにおいては、情報の詳細化による有意な性能差を確認することができた。本結果は、計算リソースの制約の下で採用する学習・推論能力の低いモデルにおいて、走行性能の確保に必要とされるナビゲーション情報の質が異なることを示しており、使用環境に応じた最適なモデルとナビゲーション情報の設計指針になると考える。