DeepRacer：用于Sim2Real强化学习实验的教育型自主赛车平台
机器学习
2019-11-06 v1 人工智能
机器人学
摘要
DeepRacer是一个用于端到端强化学习（RL）实验的平台，可用于系统性研究开发智能控制系统中的关键挑战。利用该平台，我们展示了一辆1/18比例小车如何使用单目相机通过RL学习自主驾驶。它在仿真中训练且无需在物理世界额外调参，并展示了：1）鲁棒强化学习算法的公式化与求解，2）通过联合感知与动力学缩小现实差距，3）用于训练最优策略的分布式按需计算架构，以及4）用于识别何时停止训练的鲁棒评估方法。它是首个在仅以原始相机图像为观测、采用无模型学习方法进行鲁棒路径规划的机器人控制智能体上成功大规模部署深度强化学习的案例。我们在GitHub上开源了代码与视频演示：https://git.io/fjxoJ。
引用
@article{arxiv.1911.01562,
title = {DeepRacer: Educational Autonomous Racing Platform for Experimentation with Sim2Real Reinforcement Learning},
author = {Bharathan Balaji and Sunil Mallya and Sahika Genc and Saurabh Gupta and Leo Dirac and Vineet Khare and Gourav Roy and Tao Sun and Yunzhe Tao and Brian Townsend and Eddie Calleja and Sunil Muralidhara and Dhanasekar Karuppasamy},
journal= {arXiv preprint arXiv:1911.01562},
year = {2019}
}