シュミレータの進歩により，自動運転エージェンのクローズループトレーニングが可能となったが，効果的なベンチマークの構築は十分に検討されていなかった．本研究は，交通シナリオの設計や，訓練環境の拡張方法など，異なる訓練ベンチマーク設計が学習エージェントの成功に及ぼす影響を分析して実証した．効果的なベンチマーク構築を十分に検討した初めての研究である．

実証実験の結果，多くの一般的なRLに基づいた学習アルゴリズムは「long planingを持つことが出来ない」「訓練に非常に長い時間を要する」などの理由から自動運転において，満足な性能を達成できないことを示す．この問題を踏まえ開発した，多段階先読みによるプランニングを実現するTRAVLはより従来のベースラインにくらべて高速に学習が可能で，安全な操縦を実現することができることを実証した．

【なぜ通ったか?】 学習データ生成の様々な設計上の選択が，クローズループトレーニングでの学習の成功にどのような影響を与えるかについて，十分に検討した初めての研究だったため．また実験結果に基づいて開発した，提案手法TRAVLが既存の手法が抱える問題を解決できる性能を持っていることも，本研究での検討が適切であったことを示している． 【添付画像について】 提案手法TRAVLとベースラインの比較