定期進捗報告#1 強化学習とモビリティ(仮)

定期進捗報告会　一回目

藤原研、俺達で良くしていこうな

Transcript

1. 　　　　研究テーマ: 強化学習とモビリティ(仮) 16A5023 大木建人
2. 目次 ・研究背景 ・研究目的 - 目的 - 内容 - 方法 ・現在の進捗状況 ・今後の予定
3. 目次 ・研究背景 ・研究目的 - 目的 - 内容 - 方法 ・現在の進捗状況 ・今後の予定
4. 都市部を走る車の 乗車時間における渋滞時間の割合 研究背景 国土交通省による平成 24 年度プローブデータを用いた試算より 約4割が渋滞時間！ スムーズに流れている 時間
5. 目次 ・研究背景 ・研究目的 - 目的 - 内容 - 方法 ・現在の進捗状況 ・今後の予定
6. 研究目的 強化学習を使い 渋滞を改善する！
7. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 道路を拡張する 信号機の アルゴリズムを 改善 渋滞を改善する様々なアプローチ 車両自体を 制御
8. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 道路を拡張する 信号機の アルゴリズムを 改善 渋滞を改善する様々なアプローチ 総合的な コスト高し 車両自体を 制御
9. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 道路を拡張する 信号機の アルゴリズムを 改善 渋滞を改善する様々なアプローチ 総合的な コスト高し 車両自体を 制御 使える！
10. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 信号機の アルゴリズムを 改善 車両自体を 制御
11. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 信号機の アルゴリズムを 改善 車両自体を 制御 教師とする正解がない 最適解を環境から 考え出さなければ ならない
12. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 信号機の アルゴリズムを 改善 車両自体を 制御 教師とする正解がない 最適解を環境から 考え出さなければ ならない 環境から答えを見つけ出すことができる 強化学習が最適！
13. 目次 ・研究背景 ・研究目的 - 目的 - 内容 - 方法 ・現在の進捗状況 ・今後の予定
14. 無し！
15. 現在の状況 つい最近 このテーマでやりたいと自分の中で整理がついた 強化学習は勉強してるのでなんとなくイメージがついてる 長期的な研究計画を立ててる
16. 長期的な研究計画を立てている :now trelloにて計画とやること、やらなければいけないことを立てている。 来週半ばまでに計画を立て終わり、計画に乗っ取り実行していく。 Trelloのカラムに”諦める”を追加するつもり。 Trelloはオープンしています。　よろしくおねがいします。
17. 現在の状況 先行研究を探し、 どのような強化学習手法を使い渋滞を改善しているか を纏めている DQN アンサンブルGA Double - DQN 仮想方向指示機
18. 今後の予定(直近) どの手法を用いて どのようなアプローチで改善をするのかを 考える。 DQN アンサンブルGA Double - DQN 仮想方向指示機
19. 今後の予定(中期) シュミレーター アルゴリズム 実装 DQN アンサンブルGA Double - DQN 仮想方向指示機
20. 今後の予定(長期) 論文書く DQN アンサンブルGA Double - DQN 仮想方向指示機 頑張りましょう。終
21. 研究目的 強化学習を使い渋滞を改善する！ 強化学習を 選択する理由 信号機の アルゴリズムを 改善 車両自体を 制御 教師とする正解がない 最適解を環境から 考え出さなければ ならない 環境から答えを見つけ出すことができる 強化学習が最適！
22. 環境から答えを 見つけ出すことができる 強化学習が最適なワケ 機械学習 パー グー チョキ 教師data じゃあ これに勝てるのは？ ？？？ 補足スライド
23. 環境から答えを 見つけ出すことができる 強化学習が最適なワケ 機械学習 パー グー チョキ 教師data じゃあ これに勝てるのは？ パー 機械学習は 答えが明確な問題を 解くのが 得意。 補足スライド パー
24. 環境から答えを 見つけ出すことができる 強化学習が最適なワケ 問題 補足スライド 3回ジャンケンして 一番配点の高い勝ち方を 考えろ！ ただし、グーのときは 負けると３点貰える！ １回戦 ２回戦 ３回戦 チョキ: 1点 グー: 0点 パー: 0点 チョキ: 0点 グー: 1点 パー: 0点 チョキ: 3点 グー: 1点 パー: 0点 配点
25. 環境から答えを 見つけ出すことができる 強化学習が最適なワケ 問題 補足スライド 3回ジャンケンして 一番配点の高い勝ち方を 考えろ！ ただし、グーのときは 負けると３点貰える！ １回戦 ２回戦 ３回戦 チョキ: 1点 グー: 0点 パー: 0点 チョキ: 0点 グー: 1点 パー: 0点 チョキ: 3点 グー: 1点 パー: 0点 配点 これが環境