缩小差距：迈向端到端自动驾驶车辆系统
机器人学
2019-01-07 v2 机器学习
摘要
为自动驾驶车辆设计驾驶策略是一项困难任务。近期研究提出端到端（E2E）训练策略，直接从原始感官输入预测车辆执行器。该方法因标注数据易于采集且避免了手工特征而颇具吸引力。可解释性、安全性强制与学习效率等明显缺陷限制了该方法的实际应用。本文中，我们改进基础 E2E 架构以弥补这些不足，同时保留端到端学习的威力。我们所提架构的一个关键要素是将学习问题表述为轨迹学习。我们还应用高斯混合模型损失处理多模态数据，并采用金融风险度量条件风险价值以强调罕见事件。我们分析了各概念的效果，并给出了在 TORCS 模拟器中高速公路场景下的驾驶表现。视频见此链接：https://www.youtube.com/watch?v=1JYNBZNOe_4
引用
@article{arxiv.1901.00114,
title = {Closing the gap towards end-to-end autonomous vehicle system},
author = {Yonatan Glassner and Liran Gispan and Ariel Ayash and Tal Furman Shohet},
journal= {arXiv preprint arXiv:1901.00114},
year = {2019}
}