基于近碰撞聚焦训练框架的自动驾驶能力动态扩展
机器人学
2024-06-07 v1
摘要
真实驾驶数据的长尾分布给自动驾驶车辆（AV）的训练和测试带来了挑战，其中罕见但至关重要的安全关键场景并不常见。虚拟仿真提供了一种低成本、高效的解决方案。本文提出了一种面向AV的近碰撞聚焦训练框架。利用仿真器中传感器提供的驾驶场景信息，我们设计了新颖的奖励函数，使背景车辆（BV）能够生成近碰撞场景，并确保梯度不仅存在于无碰撞场景中，也存在于碰撞场景中。然后，利用鲁棒对抗强化学习（RARL）框架对AV和BV进行同步训练，以逐步提升AV和BV的能力，并生成针对不同AV能力水平的近碰撞场景。三种测试策略的结果表明，所提出的方法生成的场景更接近近碰撞，从而在整个训练过程中增强了AV和BV的能力。
引用
@article{arxiv.2406.02865,
title = {Dynamically Expanding Capacity of Autonomous Driving with Near-Miss Focused Training Framework},
author = {Ziyuan Yang and Zhaoyang Li and Jianming Hu and Yi Zhang},
journal= {arXiv preprint arXiv:2406.02865},
year = {2024}
}