基于强化学习与图像翻译的实境自动驾驶
计算机视觉与模式识别
2019-04-26 v2
摘要
监督学习被广泛用于训练自动驾驶车辆。然而，它需要使用大量有监督的标注数据进行训练。强化学习可以在无需大量标注数据的情况下训练，但我们无法在现实中训练它，因为那会涉及许多不可预测的事故。尽管如此，在虚拟环境中训练具有良好性能的智能体相对容易得多。由于虚拟与真实之间存在巨大差异，如何填补二者之间的鸿沟具有挑战性。在本文中，我们提出了一种结合图像语义分割网络的强化学习新框架，使整个模型能适应现实。该智能体在赛车模拟器 TORCS 中进行训练。
引用
@article{arxiv.1801.05299,
title = {Autonomous Driving in Reality with Reinforcement Learning and Image Translation},
author = {Nayun Xu and Bowen Tan and Bingyu Kong},
journal= {arXiv preprint arXiv:1801.05299},
year = {2019}
}