百度Apollo自动标定系统——一种工业级数据驱动且基于学习的车辆纵向动力学标定算法
机器人学
2018-08-31 v1 人工智能
机器学习
摘要
对于任何自动驾驶车辆，控制模块决定了其道路性能与安全性，即其精度与稳定性应保持在精心设计的范围内。然而，控制算法需要以车辆动力学（如纵向动力学）为输入，遗憾的是，这些参数难以实时标定。因此，为了获得合理的性能，绝大多数（即便不是全部）研究型自动驾驶车辆均采用逐一手动标定。由于手动标定在进入工业化量产阶段后不可持续，我们在此介绍一种基于机器学习的自动驾驶车辆自动标定系统。在本文中，我们将展示如何利用机器学习技术构建数据驱动的纵向标定流程。我们首先根据人类驾驶数据生成离线标定表。该离线表作为后续使用的初值猜测，仅需二十分钟的数据采集与处理。随后，我们采用在线学习算法，基于实时性能分析对初始表（离线表）进行适当更新。该纵向自动标定系统自2018年4月起已部署于百余辆百度Apollo自动驾驶车辆（包括混合动力家用车辆与纯电动配送车辆）。截至2018年8月27日，其已测试逾两千小时、上万公里（6213英里），且被证明有效。
引用
@article{arxiv.1808.10134,
title = {Baidu Apollo Auto-Calibration System - An Industry-Level Data-Driven and Learning based Vehicle Longitude Dynamic Calibrating Algorithm},
author = {Fan Zhu and Lin Ma and Xin Xu and Dingfeng Guo and Xiao Cui and Qi Kong},
journal= {arXiv preprint arXiv:1808.10134},
year = {2018}
}