基于课程强化学习的 Gran Turismo Sport 中自动驾驶超车
机器人学
2021-05-11 v2 人工智能
摘要
职业赛车手能够执行极端的超车机动。然而，现有的自动驾驶超车算法要么依赖于对车辆动力学的简化假设，要么试图在线求解昂贵的轨迹优化问题。当车辆接近其物理极限时，现有的基于模型的控制器难以处理高度非线性的动力学，并且无法利用仿真或真实驾驶所产生的大量数据。为规避这些局限，我们提出了一种基于学习的新方法来解决自动驾驶超车问题。我们在流行的赛车游戏 Gran Turismo Sport 中评估了我们的方法，该游戏以对各种车辆和赛道的精细建模而闻名。通过利用课程学习，与原始强化学习相比，我们的方法带来了更快的收敛以及更高的性能。结果表明，训练后的控制器优于内置的基于模型的游戏 AI，并达到了与经验丰富的人类驾驶员相当的超车性能。
引用
@article{arxiv.2103.14666,
title = {Autonomous Overtaking in Gran Turismo Sport Using Curriculum Reinforcement Learning},
author = {Yunlong Song and HaoChih Lin and Elia Kaufmann and Peter Duerr and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2103.14666},
year = {2021}
}
备注
Accepted for publication at the IEEE International Conference on Robotics and Automation (ICRA), Xi An, 2021