基于模仿学习的自主赛车控制策略基准比较
机器人学
2023-05-30 v2
摘要
采用缩比赛车的自主赛车因其在车辆操控极限下开发安全自动驾驶的感知、规划与控制算法的有效途径而日益受到关注。为训练用于自主赛车的敏捷控制策略，基于学习的方法大量使用强化学习，但结果参差不齐。在本研究中，我们在仿真与缩比真实环境中对多种直接应用或为强化学习引导（bootstrapping）的赛车车辆模仿学习策略进行了基准比较。我们表明，交互式模仿学习技术优于传统模仿学习方法，并因其更好的采样效率可通过引导大幅改善强化学习策略的性能。我们的基准为未来使用模仿学习（Imitation Learning）与强化学习（Reinforcement Learning）的自主赛车研究奠定了基础。
引用
@article{arxiv.2209.15073,
title = {A Benchmark Comparison of Imitation Learning-based Control Policies for Autonomous Racing},
author = {Xiatao Sun and Mingyan Zhou and Zhijun Zhuang and Shuo Yang and Johannes Betz and Rahul Mangharam},
journal= {arXiv preprint arXiv:2209.15073},
year = {2023}
}