一种用于基于视觉的车辆控制的强化学习的贝叶斯方法
计算机视觉与模式识别
2021-04-09 v1 人工智能
摘要
在本文中，我们提出一种用于自动驾驶的最先进强化学习方法。我们的方法在贝叶斯框架中采用时序差分学习，从传感器数据学习车辆控制信号。智能体可获取来自前向摄像头的图像，这些图像经预处理生成语义分割图。我们使用真实语义分割输入与估计语义分割输入分别训练了我们的系统。基于大量实验的观察，我们得出结论：即使在评估时使用估计输入，以真实输入数据训练系统也比以估计输入训练系统具有更优性能。系统在逼真的模拟城市场景中使用CARLA模拟器进行训练与评估。该模拟器还包含一个基准，可用于与其他系统和方法比较。系统的所需训练时间被证明更短，且在基准上的性能优于竞争方法。
引用
@article{arxiv.2104.03807,
title = {A Bayesian Approach to Reinforcement Learning of Vision-Based Vehicular Control},
author = {Zahra Gharaee and Karl Holmquist and Linbo He and Michael Felsberg},
journal= {arXiv preprint arXiv:2104.03807},
year = {2021}
}