面向自动驾驶汽车端到端控制的驾驶经验迁移方法
计算机视觉与模式识别
2018-09-10 v2 机器人学
摘要
本文提出一种用于自动驾驶汽车端到端控制的迁移学习方法，其使得在源域上训练的卷积神经网络（CNN）可用于不同目标域上的同一任务。用于端到端控制的常规CNN被设计为将单张前向摄像头图像映射为转向指令。为实现迁移学习，我们通过新增一个任务模块使CNN不仅输出转向指令，还输出车道偏离等级（LDL），该模块以最后一个卷积层的输出作为输入。在源域上训练的CNN（称为源网络）随后被用于训练另一个称为目标网络的任务模块，该模块同样以源网络最后一个卷积层的输出作为输入，并被训练为生成目标域的转向指令。源网络与目标网络的转向指令最终根据LDL进行融合，融合后的指令用于控制目标域中的汽车。为证明所提方法的有效性，我们分别使用TORCS和GTAV两个模拟器作为源域和目标域。实验结果表明，所提方法在汽车稳定与安全控制方面优于其他基线方法。
引用
@article{arxiv.1809.01822,
title = {Driving Experience Transfer Method for End-to-End Control of Self-Driving Cars},
author = {Dooseop Choi and Taeg-Hyun An and Kyounghwan Ahn and Jeongdan Choi},
journal= {arXiv preprint arXiv:1809.01822},
year = {2018}
}