WEBVTT 00:00.240 --> 00:03.640 こんにちは､ そして自動運転車モジュールへようこそ｡ 00:03.660 --> 00:10.200 このチュートリアルでは､ 人工知能を実装するための環境について説明します｡ 00:10.200 --> 00:16.020 環境には､ もちろん､ 自動運転や障害物回避を訓練するための車と､ 00:16.020 --> 00:20.820 車が移動するための道路とブロックを描画します｡ 00:20.970 --> 00:28.680 そこで､ この人工知能を構築して､ このクルマを訓練し､ 制限を超えないように道路を走行させ､ 00:28.680 --> 00:33.630 道路内に設置した障害物を回避させるようにするのです｡ 00:33.900 --> 00:35.730 だから､ これはかなりエキサイティングな挑戦です｡ 00:35.730 --> 00:37.920 そして実は､ 2つのファイルが別々に存在します｡ 00:37.920 --> 00:40.560 ご覧の通り､ AIのpythonファイルがあります｡ 00:40.590 --> 00:46.980 それが私たちの人工知能で､ 車を訓練するためにすべてのトレーニングを行い､ どのように自動運転するか､ 運転します｡ 00:46.980 --> 00:51.840 そして､ この環境をすべて作るコードであるマップ､ そのpファイルがあります｡ 00:51.840 --> 00:56.820 これがそのコードです｡ 実際には200行のコードですが､ もう少し増やしてください｡ 00:56.820 --> 01:03.150 ですから､ このコードは一般的にAIとは関係なく､ あくまでマップを作るための環境を作るためのコードです｡ 01:03.150 --> 01:08.340 そこで､ 1つ1つのセクションを説明していきますが､ 今回は人工知能に焦点を当てたいので､ 01:08.340 --> 01:13.470 このコードを1行ずつゼロから実装するわけではありません｡ 01:13.470 --> 01:17.040 それでも､ 何が起こっているのかを理解するために､ 一つひとつのセクションを見ていきましょう｡ 01:17.130 --> 01:20.430 そこでまず､ 必要なライブラリをインポートします｡ 01:20.430 --> 01:21.870 それはどんなコードに対してもです｡ 01:21.870 --> 01:28.680 ある作業をより効率的に行うためにいくつかのライブラリが必要なので､ 次にすべてのアーカイブパッケージをインポートします｡ 01:28.680 --> 01:33.000 だから､ これはすべてアーカイブに特化したものなので､ あまり重要ではありません｡ 01:33.030 --> 01:39.030 KBを使って地図を作るので､ この地図を作ることができるように､ たくさんのクラスやオブジェクトをインポートして､ 01:39.030 --> 01:41.580 地図にツールを追加しているのです｡ 01:42.030 --> 01:44.250 よし､ それならこの線が重要だ｡ 01:44.250 --> 01:56.160 この行はAIに関連していて､ 基本的にここで私たちの脳､ つまり車の脳をインポートします｡ これはこのduneクラスのオブジェクトになります｡ 01:56.160 --> 02:00.300 そして､ デューンクラスは我々の人工知能そのものなのです｡ 02:00.300 --> 02:04.410 次のチュートリアルでは､ クラスでVQを実装する様子をご覧いただけます｡ 02:04.410 --> 02:09.390 そして､ ご推察の通り､ DCNはDeep Q Networksの略です｡ 02:09.390 --> 02:18.210 そこで､ ディープQラーニングネットワークを実装し､ 準備ができたら､ AIからこの行でここにインポートする予定です｡ 02:18.210 --> 02:21.240 そして､ AIはもちろん私たちのAI pythonファイルです｡ 02:21.810 --> 02:22.230 いいかい？ 02:22.230 --> 02:24.300 だから､ 早く実装したい｡ 02:24.300 --> 02:32.730 これはかなりの旅になりそうですが､ AIのおかげでクルマが自分で運転できるようになるので､ とてもエキサイティングなことだとおわかりいただけると思います｡ 02:33.090 --> 02:33.660 わかりました｡ 02:33.660 --> 02:38.790 そして､ 次のセクションに進む前に､ このクルマをどのように調教していくかを説明しなければなりません｡ 02:38.820 --> 02:47.850 今､ ニューラルネットワークの説明はしませんが､ 車が自分で運転したり､ 障害物を避けたりできるように訓練するための考え方を説明します｡ 02:48.150 --> 02:55.530 では､ 現実の世界で､ 本物の自動車に壁や障害物を避ける訓練をさせようと思ったら､ どうすればいいでしょうか｡ 02:55.560 --> 03:00.960 本物の壁や大きな障害物に車をぶつけるようなことは､ 絶対にしない｡ 03:00.960 --> 03:02.640 そうなるとコストがかかる｡ 03:02.640 --> 03:12.540 それよりも､ 壁や障害物にぶつかったときではなく､ 砂の上に乗ったときに罰を与えるほうが､ より知的な発想になるのではないでしょうか｡ 03:12.540 --> 03:14.040 つまり､ フィールドを持っているようなものですね｡ 03:14.040 --> 03:19.620 このフィールドには､ 車が滞在しなければならない道路があり､ その道路はいくつかの砂で区切られています｡ 03:19.620 --> 03:25.410 そして､ 車が砂の上に行くたびに､ 障害物の上に行くようなもので､ 車が砂の中に入ってしまえば､ 03:25.440 --> 03:30.330 スピードが落ちてしまうので､ 必ずペナルティを科すことにしています｡ 03:30.330 --> 03:31.590 その分､ 罰が当たります｡ 03:31.590 --> 03:35.070 そして､ それが人工知能のひとつの本質的なポイントです｡ 03:35.070 --> 03:39.690 砂地に入って速度が落ちるたびに､ 悪い報酬が発生する｡ 03:40.050 --> 03:40.590 わかりました｡ 03:40.590 --> 03:47.610 そこで､ ここでは､ 地図上に砂を描くときに､ メモリ上の最後の点の座標であるlast 03:47.610 --> 03:50.190 Xとlast Yを紹介します｡ 03:50.550 --> 03:51.030 わかりました｡ 03:51.030 --> 03:57.750 そして､ 脳と呼ばれる人工知能ができ､ その中には神経ネットワークが含まれています｡ 03:57.750 --> 04:03.690 これは車の脳であり､ 神経回路網を含んでいるからです｡ 04:04.170 --> 04:04.620 わかりました｡ 04:04.620 --> 04:10.080 このコードでは､ ご覧のように dune クラスのオブジェクトを作成しています｡ 04:10.080 --> 04:14.280 クラスとオブジェクトが何であるかを思い出しますが､ 脳はオブジェクトです｡ 04:14.280 --> 04:19.470 DCNは､ クラスと5つの3と0です｡ 9はクラスの入力です｡ 04:19.470 --> 04:20.790 だから､ とてもシンプルなんです｡ 04:20.790 --> 04:26.700 5は､ 5次元のベクトルを符号化した状態に相当する｡ 04:26.700 --> 04:31.500 彼らが完璧に描写していること､ 環境で何が起こっているかを地図上で確認します｡ 04:31.500 --> 04:34.980 そうすると､ 3がアクションの数になります｡ 04:34.980 --> 04:43.710 左へ行く､ 直進する､ 右へ行く､ 0の3つのアクションが考えられます｡ 9は深層学習アルゴリズムにおけるガンマパラメータである｡ 04:44.070 --> 04:44.430 わかりました｡ 04:44.430 --> 04:46.770 そして､ アクション2回転です｡ 04:46.770 --> 04:52.920 つまり､ アクション2の回転は､ 0､ 20､ -20の3つの要素からなるベクトルです｡ 04:53.010 --> 04:59.940 というのも､ アクションは3つの数字0.1でエンコードされているからです｡ 05:00.060 --> 05:04.650 2であり､ このアクション2回転ベクトルのインデックスに相当する｡ 05:04.650 --> 05:13.680 ですから､ 例えば時刻Tで選択されているアクションがゼロであれば､ まあゼロはこのアクションの回転ベクトルに対するインデックスに相当し､ 05:13.680 --> 05:21.210 インデックスゼロの値はゼロですから､ 直進することになります｡ 05:21.240 --> 05:32.550 そして､ 選択されたアクションが1であれば､ このアクションのインデックスが回転ベクトルに対応し､ インデックス1を持つこのベクトルの値は20となる｡ 05:32.550 --> 05:38.760 つまり20は20度の回転に相当し､ コアは右に20度進むということです｡ 05:39.030 --> 05:45.780 そして､ 選択されたアクションが2であれば､ 2はインデックスに対応し､ このアクションの2が回転ベクトルに対応します｡ 05:45.780 --> 05:52.260 したがって､ コアは-20度の回転を行い､ したがって左に進みます｡ 05:52.350 --> 06:00.000 それでは､ 各状態で最後の報酬を得ることになるので､ 最後の報酬変数を導入します｡ 06:00.000 --> 06:04.920 だから､ カードが何かの砂に入らなければ､ その報酬はプラスになると覚えておいてください｡ 06:04.920 --> 06:09.390 そして､ そのカードがある意味上に行くと､ まあ､ 悪い報酬を得ることになるのです｡ 06:09.390 --> 06:14.580 そして､ 各時刻でこの変数には､ その都度得られる報酬が格納されます｡ 06:14.580 --> 06:21.570 T そして､ このコースを初期化します｡ これは報酬を含むベクトルで､ すべてではありませんが､ 時間に対する報酬の平均スコアの曲線を作ることができるように､ 06:21.570 --> 06:28.920 報酬をスライディングウィンドウに配置します｡ 06:29.250 --> 06:35.940 では､ このコードセクションで､ マップを初期化します｡ 例えば､ cen変数を初期化します｡ 06:35.940 --> 06:37.050 だから､ それが大事なんです｡ 06:37.050 --> 06:42.870 この変数は実際には配列になり､ その中のセルがマップのピクセルになります｡ 06:42.990 --> 06:52.050 そして､ それぞれのセルには､ センスがあれば1を､ センスがなければ0を入れ､ 最初は何も描かないことにします｡ 06:52.050 --> 06:57.660 そのため､ センスは全くなく､ したがって送信配列のすべてのセルが0になります｡ 06:57.660 --> 06:59.220 だから､ どこにでもゼロがあることになる｡ 06:59.220 --> 07:09.840 そして､ 砂を描くと同時に､ センスを描いたセルには1が入り､ 配列はここにあるすべてのゼロで初期化されます｡ 07:10.110 --> 07:13.290 そして､ この大切なもの､ それが「目標」です｡ 07:13.290 --> 07:17.430 つまりゴールとは､ 地図上で車を訓練して到達させる地点のことです｡ 07:17.430 --> 07:19.410 だから､ 目的地みたいなものなんです｡ 07:19.650 --> 07:21.360 では､ この目標はどうなるのでしょうか？ 07:21.360 --> 07:24.840 さて､ これがマップの左上になります｡ 07:24.840 --> 07:28.320 そこで､ マップの左上に行くように車を調教します｡ 07:28.320 --> 07:34.230 そして､ 地図の左上隅に到達したら､ 次は地図の右下隅に行くように訓練します｡ 07:34.230 --> 07:36.450 そこで､ 次のようなシナリオが考えられる｡ 07:36.450 --> 07:44.280 地図の左上には都市の空港､ 右下には都市の繁華街が描かれています｡ 07:44.280 --> 07:50.040 そして､ 空港とダウンタウンを往復するために､ TaxiやUberに頼ることになるのです｡ 07:50.040 --> 07:55.530 もちろん､ このタクシーが空港からダウンタウンまで行けるかどうか､ もっともっと難しい道路を描いたり､ 07:55.530 --> 08:02.700 路上に障害物を置いたりして､ テストを難しくしていきます｡ 08:02.700 --> 08:04.050 だから､ これは楽しくて仕方がない｡ 08:04.050 --> 08:08.940 そのため､ ここでは最初のゴールの座標を設定しています｡ 08:08.940 --> 08:12.480 それが､ 画面左上にある空港です｡ 08:12.690 --> 08:16.140 だから､ 地図はこのように正方形のようになります｡ 08:16.620 --> 08:21.780 そして､ 原点の座標､ つまりゼロゼロはここにあります｡ 08:22.080 --> 08:25.110 そして､ もっと大きいのが､ この距離です｡ 08:25.110 --> 08:32.010 そのため､ 座標が20と大きく､ -20はちょうどここ､ 地図の左上隅になります｡ 08:32.570 --> 08:35.510 そして､ なぜゼロではなく､ 20を選んだのか｡ 08:35.540 --> 08:40.180 まあ､ それは車を鍛えたいからであって､ 壁に突進したいわけではないのですが｡ 08:40.190 --> 08:42.530 壁を避ける訓練もしたいんですよね｡ 08:42.530 --> 08:46.530 したがって､ クルマが壁に触れてはいけないから､ ゴールはゼロであってはならないのです｡ 08:46.550 --> 08:47.960 ゴールに触れたい｡ 08:47.960 --> 08:49.370 だから､ ここに置くしかないんです｡ 08:50.000 --> 08:55.160 そして､ 最後のdistance変数を導入します｡ これは､ 車からゴールまでの現在の距離を示すもので､ 08:55.160 --> 08:58.190 0に初期化します｡ 08:58.890 --> 08:59.400 わかりました｡ 08:59.400 --> 09:02.160 そして､ いよいよ車とゲームを作る時が来た｡ 09:02.160 --> 09:06.540 そこで､ 車用のクラスとゲーム用のクラスの2つを作ることにします｡ 09:06.540 --> 09:10.800 そして､ これらの授業の内部では､ すでに目とのつながりができていることでしょう｡ 09:10.890 --> 09:13.020 そこで､ 次のチュートリアルでそれを行うことにします｡ 09:13.020 --> 09:14.490 そしてそれまで､ お楽しみに｡ 09:14.490 --> 09:14.940 I.