| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-03-16 16:05 フェデレーテッドラーニングを用いた自動運転手法 ○小野航輝・策力木格・吉永 努（電通大）  CQ2022-99 |
|
| 抄録 | （和） | 機械学習を用いて自動運転行動の学習を行う場合，膨大な量の走行データが必要であり，走行データを収集するために多大な時間と通信リソースを必要とする．そのため，生データの収集を不要とする分散機械学習手法が注目を集めている．本研究では，フェデレーテッドラーニングを用いた自動運転手法を提案する．提案手法は深層強化学習に基づく学習結果をフェデレーテッドラーニングで集約することで，生データの送信を不要とし無線リソースの利用効率を改善できると同時に，複数の車両の知見を集約することで，学習時間の短縮を実現する． |
| （英） | When learning autonomous driving behavior using machine learning, a huge amount of driving data is required, and a large amount of time and communication resources are required to collect driving data. Therefore, distributed machine learning methods that do not require collection of raw data are attracting attention. In this research, we propose an autonomous driving method based on federated learning. By aggregating learning results based on deep reinforcement learning with federated learning, the proposed method can improve the wireless resource utilization efficiency while reducing the learning time by avoiding the transmission of raw data and collecting learning experiences from multiple vehicles. | |
| キーワード | （和） | 自動運転 / フェデレーテッドラーニング / 深層強化学習 / / / / / |
| （英） | Autonomous driving / Federated learning / Deep reinforcement learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 438, CQ2022-99, pp. 96-101, 2023年3月. | |
| 資料番号 | CQ2022-99 | |
| 発行日 | 2023-03-08 (CQ) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CQ2022-99 |
|
| 研究会情報 | |
| 研究会 | IMQ IE MVE CQ |
| 開催期間 | 2023-03-15 - 2023-03-17 |
| 開催地（和） | 沖縄県青年会館（那覇市） |
| 開催地（英） | Okinawaken Seinenkaikan (Naha-shi) |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般（魅力工学研究会協賛） |
| テーマ（英） | Media of five senses, Multimedia, Media experience, Picture codinge, Image media quality, Network,quality and reliability, etc（AC） |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2023-03-IMQ-IE-MVE-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | フェデレーテッドラーニングを用いた自動運転手法 |
| サブタイトル（和） | |
| タイトル（英） | Automated Driving Methods Using Federated Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自動運転 / Autonomous driving |
| キーワード(2)（和/英） | フェデレーテッドラーニング / Federated learning |
| キーワード(3)（和/英） | 深層強化学習 / Deep reinforcement learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小野 航輝 / Koki Ono / オノ コウキ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 策力 木格 / Celimuge Wu / チリ ムゲ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | 吉永 努 / Tsutomu Yoshinaga / ヨシナガ ツトム |
| 第3著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-16 16:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2022-99 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.438 |
| ページ範囲 | pp.96-101 |
| ページ数 | 6 |
| 発行日 | 2023-03-08 (CQ) |
[研究会発表申込システムのトップページに戻る]