基于逆强化学习的真实路况驾驶
机器人学
2022-06-08 v1 人工智能
机器学习
摘要
本文中，我们介绍了首个基于学习的规划器，使用逆强化学习（IRL）在密集城市交通中驾驶汽车。我们的规划器 DriveIRL 生成一组多样的轨迹提议，用轻量且可解释的安全滤波器过滤这些轨迹，然后使用学习到的模型对每个剩余轨迹打分。随后最佳轨迹由我们自动驾驶车辆的底层控制器跟踪。我们在拉斯维加斯超过 500 小时的真实世界专家驾驶演示数据集上，于最大熵 IRL 框架中训练轨迹打分模型。DriveIRL 的优势包括：仅学习轨迹打分函数带来的简单设计、相对可解释的特征，以及强劲的真实世界表现。我们在拉斯维加斯大道验证了 DriveIRL，并展示了在重型交通中的完全自动驾驶，包括涉及加塞、前车急刹以及酒店上下客区的场景。我们的数据集将公开以促进该领域的进一步研究。
引用
@article{arxiv.2206.03004,
title = {Driving in Real Life with Inverse Reinforcement Learning},
author = {Tung Phan-Minh and Forbes Howington and Ting-Sheng Chu and Sang Uk Lee and Momchil S. Tomov and Nanxiang Li and Caglayan Dicle and Samuel Findler and Francisco Suarez-Ruiz and Robert Beaudoin and Bo Yang and Sammy Omari and Eric M. Wolff},
journal= {arXiv preprint arXiv:2206.03004},
year = {2022}
}