用于基于视觉端到端自动驾驶的可微控制障碍函数
机器人学
2022-03-07 v1 计算机视觉与模式识别
机器学习
摘要
与状态可知的控制场景不同,基于感知的学习系统由于缺乏真实状态信息而难以保证安全。本文中,我们为基于视觉的端到端自动驾驶引入了一个安全保障学习框架。为此,我们设计了一个配备可微控制障碍函数(dCBFs)的学习系统,该系统通过梯度下降进行端到端训练。我们的模型由常规神经网络架构和dCBFs组成。它们在规模上可解释,在有限训练数据下取得优异测试性能,并在车道保持和障碍物避让等一系列自动驾驶场景中得到安全保证。我们在仿真到真实(sim-to-real)环境中评估了我们的框架,并在真实自动驾驶汽车上测试,通过增强现实(AR)和真实停放车辆实现了安全的车道跟随与障碍物避让。
引用
@article{arxiv.2203.02401,
title = {Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving},
author = {Wei Xiao and Tsun-Hsuan Wang and Makram Chahine and Alexander Amini and Ramin Hasani and Daniela Rus},
journal= {arXiv preprint arXiv:2203.02401},
year = {2022}
}
备注
11 pages, Wei Xiao and Tsun-Hsuan Wang are with equal contributions