DeepTraffic: MIT シミュレーション ゲームがディープラーニングを使用して交通渋滞を緩和

[[196857]]

渋滞に巻き込まれるのはイライラするだけでなく、費用もかかります。頭痛の原因になったり、セックスの機会を逃したりするだけでなく、渋滞はアメリカのドライバーに毎年 3,000 億ドルの追加費用を負担させています。

研究者たちは、たとえ少数の自動運転車でも交通の流れは大幅に改善されるだろうと考えている。 MIT の Lex Fridman 氏と彼のチームは、この実現を加速するためのゲームを作成しました。

Deep Traffic は、プレイヤーがディープラーニングを使用して車を制御できる一般的な高速道路環境をシミュレートします。シミュレーションにより、複雑な技術的概念が初心者にも理解しやすくなり、ゲーミフィケーションにより専門家がまったく新しい技術を開発できるようになります。

ニューラルネットワークを使用した交通シミュレーションゲーム

ロサンゼルスの混雑した高速道路を運転していると想像してください。車間距離、車線変更のタイミング、走行中に他の車両との衝突を回避する方法などを決定する必要があります。これをパスプランニングと呼びます。 Deep Traffic を使用すると、誰でもディープ ニューラル ネットワークを設計およびトレーニングできます。

先月シリコンバレーで開催された GPU テクノロジー カンファレンスで、フリッドマン氏はゲームが強化学習にどのように依存しているかについて講演しました。強化学習は、ニューラル ネットワークが望ましいアクションを実行したときに報酬を与えることで人工知能を実現する方法です。これらの報酬を何度も繰り返すことで、ネットワークは何をすべきかを学習します。

このゲームでは、ニューラル ネットワークが赤い車を操作して、交通量の多い高速道路をできるだけ速く走行することを目標としています。初心者はブラウザで JavaScript を使用してパラメータを操作し、運転動作を変更します。 Gao Wan 氏は OpenAI Gym を通じて DeepTraffic に参加し、Python を使用してネットワークをトレーニングしました。

レース：DeepTraffic のプレイヤーはディープラーニングを使用して道路をスピードアップします

DeepTraffic はもともと、Fridman 氏が MIT で教えるコースのために設計されました。コースの内容とゲームが一般に公開されると、広く歓迎されました。現在までに 12,000 を超えるデータ セットを保有する DeepTraffic は、非常に競争力があります。ユーザーは、自身のネットワークが達成できる最速の速度でリーダーボード上で競争します。

ゲームは競争があるので楽しいですが、現実世界での賭け金ははるかに高くなります。自動運転車は、ある地点から別の地点までの安全な経路を計画する必要があります。 AIには難しい運転タスクを与える必要があります。 DeepTraffic のような教育ツールは、次世代の AI 開発者の育成と自動車エコシステムの変革につながるソリューションの創出に役立ちます。

DeepTrafficオンラインデバッグアドレス

DeepTraffic オンラインデバッグインターフェース