MIT、交通渋滞を改善するためDeep learningを用いて自動車をコントロールする交通シミュレーション・ゲーム「DeepTraffic」を発表

マサチューセッツ工科大学(MIT)の研究者らは、高速道路を舞台にDeep learningを用いて自動車をコントロールする渋滞改善を目的とした交通シミュレーション・ゲーム「DeepTraffic」を発表しました。

DeepTrafficを使えば、交通量の多い道路で誰でも深層ニューラルネットワークを設計してトレーニングすることができ、効率的にナビゲートする方法を学ぶことを可能にします。これにより、研究者は自動運転カーなどにおいて新たな技術を開発することができます。

DeepTrafficは、右上にニューラルネットワークのデザインを変更できるコーディングエリア、その下には、ニューラルネットワークの状態に関する情報やトレーニング、テストのためのボタンがあり、そして、左側にリアルタイムにシミュレーションする道路画面があります。

ブラウザでJavaScriptを使用してパラメータを操作し車の運転行動を変更できるのに加えて、OpenAI Gymを介してDeepTrafficにアクセスし、ネットワークをトレーニングするためにPythonインターフェースを使用することができます。

DeepTrafficはこちら。

関連

コーディングをAIで自動化にを目指すオックスフォード大学発チーム「Diffblue」、シリーズAで2200万ドルの資金調達を発表。人工知能によるソフトウェア開発を目指す | Seamless

アーカイブ

ページ上部へ戻る