Detrive：基于 Transformer 检测的模仿学习端到端自动驾驶
机器人学
2023-10-24 v1
摘要
本文提出一种新颖的基于 Transformer 的端到端自动驾驶模型 Detrive。该模型解决了以往端到端模型无法检测交通参与者位置与尺寸的问题。Detrive 使用基于端到端 Transformer 的检测模型作为其感知模块；多层感知机作为其特征融合网络；带门控循环单元（GRU）的循环神经网络用于路径规划；以及两个分别控制车辆前进速度与转向角的控制器。模型采用在线模仿学习方法进行训练。为获得更好的训练集，使用一个能从 Carla 模拟器直接获取真实鸟瞰图地图作为感知输出的强化学习智能体作为模仿学习的教师。训练后的模型在 Carla 自动驾驶基准上测试。结果表明，基于 Transformer 检测器的端到端模型相比传统的基于分类器的端到端模型在动态避障方面具有明显优势。
引用
@article{arxiv.2310.14224,
title = {Detrive: Imitation Learning with Transformer Detection for End-to-End Autonomous Driving},
author = {Daoming Chen and Ning Wang and Feng Chen and Tony Pipe},
journal= {arXiv preprint arXiv:2310.14224},
year = {2023}
}
备注
7 pages, 5 figures, DISA 2023