クルマ好きな記者、AWS DeepRacerでレースデビューモノづくり総合版メルマガ 編集後記

AIの力を借りれば風になれると思っていたのに。

» 2019年06月20日 12時00分 公開
[松本貴志MONOist]

 この記事は、2019年6月20日発行の「モノづくり総合版 メールマガジン」に掲載されたMONOistの編集担当者による編集後記の転載です。


クルマ好きな記者、AWS DeepRacerでレースデビュー

 毎度、この編集後記の当番が回ってくるとネタ探しに悩みます。これまでも、私の趣味であるクルマ、もしくは素人として電子工作やプログラミングなどモノづくりに挑戦し、その体験を記すいわゆる「やってみた」系のテーマでなんとか乗り切ってきました。

関連記事:いま話題のJetson Nano、予想以上にAI処理が速い

 今回の小欄も執筆するにあたり「ネタがない!」と、数日にわたり苦悩の日々を送ってきましたが、「ならクルマとやってみたを組み合わせればいいじゃないか」とひらめきました。というわけで、今回のテーマは「AWS DeepRacer」(以下、DeepRacer)で、クルマ好き記者がレースデビュー(?)してみた様子をお届けします。

 MONOistでも数回ほど紹介していますが、DeepRacerはアマゾン ウェブ サービス(AWS)が提供する、物理世界と仮想世界における自律走行車のレースです。同レースではレースカーの運転を強化学習によって作成した自律走行モデルが行います。戦いの場は、AWS上で毎月開催されている仮想サーキットレースとAWSのユーザーイベントなどで開設される物理サーキットレースがあり、通常のレースと同じくラップタイムの早さで成績を競い合います。

関連記事:大日本印刷がAI人材倍増へ、AWSの自律走行レーシングカーで強化学習を学ぶ

関連記事:自作の自動走行モデルでレースに挑め! AWS SummitのDeepRacerリーグが大人気

 DeepRacerは強化学習の概念を習得する教材として優れているとされ、強化学習で重要な要素となる報酬関数、行動空間、ハイパーパラメータの設定を、自律走行モデルの開発を通じて学ぶことができます。また。強化学習について全く事前知識がない場合でも、非常に分かりやすいドキュメントと解説動画が日本語で用意されており、これらを一通りチェックすることで知識を総ざらいすることができます。

サンプルで用意されている報酬関数「Sample-Follow-center-line」でKumo Torakkuを走行する様子。5回試行して完走は1回。ラップタイムは1分9秒002だった(クリックで拡大)

 それでは、DeepRacerに挑戦してみることにしましょう。

Copyright © ITmedia, Inc. All Rights Reserved.