一种面向自动驾驶车辆的自动调参框架

许多自动驾驶运动规划器通过优化奖励/代价泛函来生成轨迹。为暴露于不同驾驶条件下的 L4 级自动驾驶车辆设计和调优高性能奖励/代价泛函具有挑战性。传统上，奖励/代价泛函调优涉及大量人力和在仿真与道路测试上花费的时间。随着场景变得更加复杂，调优以改善运动规划器性能变得愈发困难。为系统解决此问题，我们基于 Apollo 自动驾驶框架开发了一个数据驱动的自动调参框架。该框架包含一种新颖的基于排序的条件逆强化学习算法、一种离线训练策略以及一种自动收集和标注数据的方法。我们的自动调参框架具有以下优势，使其适用于调优自动驾驶运动规划器。首先，与大多数逆强化学习算法相比，我们的算法训练高效且能应用于不同场景。其次，离线训练策略提供了一种在公共道路测试前调整参数的安全方式。第三，专家驾驶数据和周围环境信息被收集并自动标注，大幅减少了人工工作量。最后，由该框架调优的运动规划器通过仿真和公共道路测试检验，并显示出良好性能。