講演情報
[A-10-27]SB3によるEV3ライントレース教材環境の構築
〇大久保 光1、松井 藤五郎1 (1. 中部大)
キーワード：
強化学習、深層強化学習、教育
本研究では，EV3シミュレータ上のライントレース課題を対象に，強化学習ライブラリStable Baselines3（SB3）による学習・評価を可能とする環境基盤を構築した．環境本体の意味的仕様を保持したままSB3へ適合させるため，環境本体は観測・報酬・終了条件の生成のみを担当し，SB3依存の入出力変換をラッパとして分離した．観測はEV3シミュレータの前方画像を64×48に正規化した．行動は4種類の操舵値に対応付けた．報酬は黒線領域の重心と画像中心との距離に基づいて段階的に定義した．SB3のDQNを用いて4000ステップの学習を10回行った結果，すべての試行でライントレース可能な方策を獲得した．以上より，本環境によりSB3を用いたEV3ライントレースの学習・評価を安定して実行できることを確認した．今後はSPIKEプライム実機への適用が課題である．