自动驾驶车辆控制：模拟城市环境中的端到端学习
机器人学
2019-05-17 v1 人工智能
摘要
近年来，车辆在自主运行能力方面取得了显著进展。端到端方法试图使用单一、综合的软件组件来实现自动驾驶。深度学习的近期突破显著提升了端到端系统的能力，此类系统现被视为当前最优解决方案的可能替代方案。本文研究了包含其他车辆、交通信号灯和限速的模拟城市环境中自动驾驶车辆的端到端学习。此外，本文探讨了端到端系统执行导航指令的能力，并考察了利用后续视觉线索之间的时间依赖性是否能实现性能提升。提出了两种端到端架构：传统的卷积神经网络（Convolutional Neural Network）以及将卷积神经网络与循环层相结合的扩展设计。这些模型使用来自模拟城市环境的专家驾驶数据进行训练，并在未见过的模拟环境中通过其驾驶表现进行评估。本文结果表明，端到端系统能够在简单城市环境中自主运行。此外，研究发现利用后续图像中的时间信息可增强系统判断运动和距离的能力。
引用
@article{arxiv.1905.06712,
title = {Autonomous Vehicle Control: End-to-end Learning in Simulated Urban Environments},
author = {Hege Haavaldsen and Max Aasboe and Frank Lindseth},
journal= {arXiv preprint arXiv:1905.06712},
year = {2019}
}
备注
12 pages, 3 figures