自動運転システム構築エンジニアリング：
https://zero2one.jp/product/deep-learning-self-driving-car
Now Loading...
Now Loading...
本チャレンジは、CASE、MaaSと呼ばれる新たな技術領域において、これからの自動車業界を牽引する技術者の発掘育成のための新たな取り組みとして実施されている「自動運転AIチャレンジ」（公益社団法人自動車技術会主催）の一環として開催されているミニ大会です。今回、自動運転の実装に初めて取り組まれる方々でも参加しやすいように、演習課題のみでなく、学習コンテンツもご用意しております（通常「自動運転システム構築エンジニアリング」としてご提供している内容に準じております）。
優秀者のうち上位数名（1～2名程度を想定）の方々は、自動運転AIチャレンジ2023（インテグレーション）大会の決勝に進出していただくことが可能です。
＊アクセス期限（＝開催日程の実施期限）：2023年8月21日（月）
＊＊自動運転AIチャレンジ2023 For Rookie 開催概要公式ページはこちら
本チャレンジの開始にあたり、zero to one「自動運転システム構築エンジニアリング」の購入手続きが必要です。以下、ご自身の登録に従って（社会人または学生）それぞれの案内をご確認いただき、手続きを行ってください。なお、登録の際には、必ず今回の「自動運転AIチャレンジ 2023 For Rookie」お申し込み時に記載いただいたメールアドレスをご利用ください（それ以外のメールアドレスの場合は、以下クーポンコードが利用できませんので、ご注意ください）。
zero2one.jpサイトにて会員登録後、学生登録手続きをしていただきます。ログイン後、下記のサイトにアクセスし学生登録を実施してください（学生証をご用意ください）。
学生登録サイト：https://zero2one.jp/jsae-ai-challenge-for-rookie-2023-academic/
学生登録完了後、下記の「自動運転システム構築エンジニアリング」にアクセスしていただき、購入手続きを行っていただきます。学生登録時に無料になるクーポンコードが配布されますので、必ずご利用の上、購入手続きを進めてください。
zero2one.jpサイトにて会員登録とログインをしていただき、ログイン状態にて下記の「自動運転システム構築エンジニアリング」の購入手続きを進めてください。なお、購入時には必ず下記のクーポンコードをご利用ください。
クーポンコード：sdc230721-b1us
＊購入時に参加費2.2万円をお支払いいただきます。
自動運転システム構築エンジニアリング：
https://zero2one.jp/product/deep-learning-self-driving-car
本チャレンジでは、自動運転シミュレーターを活用し、データ収集からモデル構築、学習、データの強化とモデル改善まで、ディープラーニングを用いつつ、所定のコースを1周するタイムを競います。
なお、自動運転シミュレーターには、「Step5 プロジェクト」→「Section1. プロジェクト」→「課題」の「ワークスペース」よりアクセスいただくことが可能です。本チャレンジの課題は、コース内のStep5に記載の課題とは異なりますので、必ず以下の課題にお取り組みください。
下記のコースを自動運転モードで１周するタイムの短さを競います。
・Jungle
＊シミュレーターの設定はデフォルトのまま（「Morning」と「Sunshine」）ご利用ください。
自動運転初学者の方は、Step1〜Step4までをしっかり学習されてから課題に挑戦されることをオススメします。自動運転シミュレーターの使い方について最低限学びたい方は、主にStep2に加えて、以下をご確認いただき、課題に取り掛かっていただければと思います。
・「Step1 イントロダクション」→「Section1. プロジェクトについて」→「事前配布物」
・「Step3 モデルの構築」→「Section5. モデルの構築・学習・保存」のすべて
本チャレンジの課題である Jungle コースに取り組む前に、より初歩レベルである Lake コースから自動運転シミュレーターの利用を進めていただくことをお勧めしております。Lake コースは高低差や激しいカーブなどがすくなく緩やかな一本道となっているため、データ収集から自動運転まで比較的容易に実現することが可能です。特に初心者の方は、Lakeコースで自動運転シミュレーターを利用したデータ収集から自動運転までの一連のプロセスに慣れていただき、Jungle コースへチャレンジしてみてください。
ご参加の皆様を対象に、競技に向けたポイントやオンラインシミュレーターの使用法を解説させていただく、オンラインチュートリアルを実施いたします。以下の2回開催させていただくほか（内容は2回とも同様です）、2回目終了後に録画版を共有させていただきます。
・7月21日（金）13:00-14:00（日本時間）
・7月26日（水）16:00-17:00（日本時間）
ご参加の方は、直接以下のzoomにてご参加ください。
https://us02web.zoom.us/j/81489574743?pwd=T2dPK0tJZFJaeUhTYzhjV2tuencxdz09
ミーティングID: 814 8957 4743
パスコード: 221251
コースを１周する時間は、自動運転モードでシミュレータを起動し自動車が1周を走り切った時刻を評価します（自動車がコースを周回する度にゴールした時の時刻がログファイルである submit.txt に追加記録されます。）。submit.txt の内容を確認すれば何周したか知ることができます。
submit.txt への書き込み内容の例：
######################
002-01-20230615083736746-c0a58ff0241fa42a0fba79b2c8a3acf6-20230615083543819-20230615083736746←１周目の記録（暗号化済）
######################
本チャレンジを実施する中で、主に以下３つのファイルが存在します。
① drive.py – 自動運転モードで利用するPythonファイル（※自由に編集していただくことが可能です）
② model.h5 – ニューラルネットワークの学習済みモデルのファイル（「clone.py」を使って生成）
③ submit.txt – 自動運転モード時にコースを周回すると自動生成されるファイル（※編集しないでください）
以下の図はこれらのファイルとシミュレータの関係を示したものです：
課題の提出にあたっては、以下の通りでお願いします。
上記３つの全てのファイル「drive.py」「model.h5」「submit.txt」を提出してください。演習の作業ディレクトリ（以下の Note を参照）に３つのファイル（「drive.py」「model.h5」「submit.txt」）が存在することでチャレンジ課題を提出したものとみなします。
Note:
演習の作業ディレクトリは、Jupyter Lab を起動後に作業している場所です。このディレクトリには、事前配布された「drive.py」が存在します。ターミナルを開いてコマンド「cd ~/workspace」を実行して移動することも可能です。
今回の評価対象となるファイルが存在するかどうか、各位でご確認いただくことが可能です。必ずログインの上、以下のボタンを押して、ファイルの存在を期限内にご自身でご確認ください。
提出物チェッカーを利用するにはログインをしてください（青色のボタンになります）。
演習環境の主要モジュールのバージョンは以下の通りです。TensorFlowのドキュメントを参照する際はバージョンに注意して開発を進めてください。
・Python 3.9.2
・TensorFlow 2.7.0
・scikit-learn 1.0.2
ご利用のネットワーク環境に依存している可能性が高いと思われます。有線のご利用などを検討していただき、なるべくネットワーク環境がいい場所で利用をお願い致します（携帯電話の4G回線でインターネットを利用している場合は遅延が発生する可能性がございますが、一般的な家庭で利用されているネット回線等であれば遅延は発生しないものと存じます）。
Python プログラムの「clone.py」や「drive.py」の実行はGPUモード（シミュレータを起動した状態）でのみ可能です。
今回ご利用可能なGPUは40時間以内となります。詳しくはコース内「Step2 シミュレータの使い方」→「Section1. GPUの起動・停止」→「GPUの利用可能時間」をご確認ください。
リアルタイムの途中経過の発表は実施致しません。週１回を目処に本LP上で途中経過の発表をさせていただきます（上位のみ）。
Jungle コースを自動運転モードで１周するタイムの短さを競っていただきます。シミュレーターの設定はデフォルトのまま（「Morning」と「Sunshine」）ご利用ください。なお、コース内の Step5 に記載の課題は本チャレンジとは無関係ですのでご注意ください。
ご案内の通り、GPUリソースは高価であるため、zero to oneのシミュレーターで用いるクラウド上のGPUリソースは、必要になったタイミングで確保する仕掛けにしております（そうすることでユーザーの金銭的な負担を減らしております）。具体的には、GPU起動（Enable GPUボタンのクリック）のリクエストを受け付け後、ユーザーごとにクラウド上のGPU環境をセットアップしております。
なお、クラウド上のGPUリソースの確保には通常1分から1分30秒ほどの時間を要しますが、タイミングや環境次第で3分程度の時間がかかることもありますので、予めご了承ください。
PyTorch の利用はできません。演習環境の詳細は「演習環境について」をご確認ください。
講義内で紹介しているモデルを参考にしていただき、自由に開発していただいて構いません。
シミュレータの画面上部に表示される「Lap:0」の表記が「Lap:1」に変わることで１周したことを確認できます。２周目以降は順次数字が増えていきます。
いいえ、ございません。車が走ることができるコースであれば自由に走っていただいて構いません。
本プログラムに応募いただいた際のメールアドレスで zero2one.jp サイトへの会員登録がされている必要があります。設定にてどのメールアドレスが登録されているかご確認ください。
コース内の以下のページに演習サーバーへアクセスするためのボタンを用意しております（下記は一例でありその他にもボタンは設置済み）。
自動運転システム構築エンジニアリング（コースホーム）＞＞Step2 シミュレータの使い方＞＞シミュレータ（GPU）を起動する
メモリ不足に陥った際は次の手続きを行ってみてください。
・Jupyter Lab上で実行中の Notebook を「SHUT DOWN」する
・GPUを停止する
・自動運転アプリのプロセスを停止する
これらの対応をしていただくことでメモリ不足の問題が解決することが多いです。
クラウド上のGPUリソースの確保には通常1分から1分30秒ほどの時間を要しますが、タイミングや環境次第で3分程度の時間がかかることもあります。10分以上起動しない場合は、改めて「ワークスペース」ボタンを押してください。それでも起動に時間がかかる場合や、その他システムトラブルなどの可能性がある場合は、以下の「テクニカルサポート」ページをご確認の上、ページ内のフォームよりお問い合わせください。なお、ビデオ教材の内容についてのサポートはありませんので、教材をよくご覧いただき、学習を進めてください。
→テクニカルサポート：https://zero2one.jp/service-status/
＊その他競技自体に関するお問い合わせは、主催である自動車技術会様に直接ご連絡いただきますよう、お願い申し上げます。
→自動車技術会：ai-challenge@jsae.or.jp
本コースの中でビデオ教材については毎日24時間利用可能ですが、演習環境については、毎日日本時間午前2時から同5時までを、定期メンテナンスの時間とさせていただいております。予めご了承の上、お使いください。
学習コンテンツ、演習環境ともに、PCにて、Chrome（最新バージョン）の利用を推奨しております。IE（Internet Explorer）は利用できません。その他のブラウザでの対応も随時確認はしておりますが、ブラウザの種類やバージョン、PCのメモリ、OS環境との組み合わせ次第で、まれに表示や処理速度等に不具合が出ることがございますので、ご了承の 上、お使いください。また、i-Pad等タブレット端末やモバイル端末での動画の視聴などは可能ですが、サポートはしておりませんので、合わせてご了承ください。
grading_notebook.ipynb は本プロジェクトとは関係がないファイルです。ファイル内のコードの実行時に表示される「Invalid lap code」などのメッセージは本プロジェクトとは一切関係ございません。プロジェクトのファイル提出などの確認はチェッカーをご利用ください。