AD4RL：面向离线强化学习的自动驾驶基准数据集
机器学习
2024-10-23 v1 人工智能
摘要
离线强化学习通过利用预收集的大型数据集来提升其实用性而逐渐成为一种有前景的技术。尽管具有实际效益，但大多数算法开发研究仍依赖于具有合成数据集的游戏任务。为此本文提供了用于离线强化学习研究的自动驾驶数据集和基准测试。我们提供了19个数据集，包括真实世界的人类驾驶员数据集，并在三个真实驾驶情景中引入了七个流行的离线强化学习算法。我们还提供了一个可跨情景有效运行的统一决策模型，作为算法设计的参考框架。我们的研究为社区进一步探索现有强化学习方法的实际方面奠定了基础。数据集和代码可在https://sites.google.com/view/ad4rl找到。
引用
@article{arxiv.2404.02429,
title = {AD4RL: Autonomous Driving Benchmarks for Offline Reinforcement Learning with Value-based Dataset},
author = {Dongsu Lee and Chanin Eom and Minhae Kwon},
journal= {arXiv preprint arXiv:2404.02429},
year = {2024}
}
备注
ICRA 2024 Website at: https://sites.google.com/view/ad4rl