用于自动驾驶算法训练与验证的游戏化模拟器与物理平台
机器人学
2019-11-19 v1
摘要
我们识别出对游戏化自动驾驶模拟器的需求，其中游戏机制可激励高质量数据捕获，并设计及应用此类模拟器来收集车道跟随训练数据。所得合成数据使卷积神经网络（CNN）能够驾驶游戏内车辆。我们同时基于无线电遥控车与机器人操作系统（ROS）开发了物理测试平台，并在未作修改的情况下将模拟训练的模型成功迁移至物理域。该跨平台模拟器促进了无监督众包，有助于收集模拟复杂动态环境数据、罕见事件与边缘情形的多样数据。该物理平台为验证模拟训练模型或实现快速迁移学习提供了低成本方案，从而提升自动驾驶算法的安全性与鲁棒性。
引用
@article{arxiv.1911.07759,
title = {A gamified simulator and physical platform for self-driving algorithm training and validation},
author = {Joshua E. Siegel and Georgios Pappas and Konstantinos Politopoulos and Yongbin Sun},
journal= {arXiv preprint arXiv:1911.07759},
year = {2019}
}