DriverGym：使自动驾驶强化学习平民化
机器学习
2021-11-16 v1 计算机视觉与模式识别
摘要
尽管强化学习（RL）取得了可喜进展，为自动驾驶（AD）开发算法仍具挑战性：关键问题之一是缺乏一个能够在真实世界数据上训练和有效验证RL策略的开源平台。我们提出DriverGym，一个开源的兼容OpenAI Gym的环境，专为开发自动驾驶的RL算法而定制。DriverGym提供超过1000小时的专家记录数据，并支持反应式与数据驱动的智能体行为。RL策略的性能可使用我们广泛而灵活的闭环评估协议在真实世界数据上轻松验证。在本工作中，我们还提供了在DriverGym中使用监督学习和RL训练的行为克隆基线。我们公开DriverGym代码及所有基线，以进一步促进社区的开发。
引用
@article{arxiv.2111.06889,
title = {DriverGym: Democratising Reinforcement Learning for Autonomous Driving},
author = {Parth Kothari and Christian Perone and Luca Bergamini and Alexandre Alahi and Peter Ondruska},
journal= {arXiv preprint arXiv:2111.06889},
year = {2021}
}
备注
Accepted to NeurIPS 2021 ML4AD Workshop