速思・遅思を組み合わせた大規模言語モデル強化学習による運転判断
自動運転にとって稀で予測困難な状況(ロングテールシナリオ)への対応は実用化の最大の障壁である。本研究は、人間の直感的判断(速思)と熟考的判断(遅思)を使い分ける認知科学の知見に着想を得て、高速処理の自動運転ソフトウェアを「速いシステム」、深い推論能力を持つ大規模言語モデルを強化学習で微調整したものを「遅いシステム」として組み合わせる二重ア…
論文トラッカー|東海・関東の大学の研究者
東京大学 科研費の研究 1件(生成AIと行政DX)
自動運転にとって稀で予測困難な状況(ロングテールシナリオ)への対応は実用化の最大の障壁である。本研究は、人間の直感的判断(速思)と熟考的判断(遅思)を使い分ける認知科学の知見に着想を得て、高速処理の自動運転ソフトウェアを「速いシステム」、深い推論能力を持つ大規模言語モデルを強化学習で微調整したものを「遅いシステム」として組み合わせる二重ア…
研究者の情報:CiNii Research の研究者ページ
研究の内容と国会の議論は、テーマが同じものを並べています。研究者ご本人が国会で発言したという意味ではありません。
出典:CiNii Research・KAKEN(国立情報学研究所)、国会会議録検索システム(国立国会図書館)。掲載内容の訂正・削除のご依頼はお問い合わせからお送りください。