基于虚拟速度约束与神经网络调度的自动驾驶车辆运动基元编码
机器人学
2018-10-04 v2 机器学习
摘要
在自动驾驶车辆轨迹规划背景下，本文提出了在基于模型且无梯度的强化学习之上，于神经网络中高效编码运动基元的方法。区分了 5 个核心方面：系统模型、网络架构、训练算法、训练任务选择以及硬件/软件实现。对于系统模型，比较了运动学（3 状态-2 控制）与动力学（16 状态-2 控制）车辆模型。对于网络架构，比较了 3 种含加权跳跃连接的前馈结构。对于训练算法，提出了虚拟速度约束与网络调度。对于训练任务，讨论了不同的特征向量选择。对于实现，讨论了使用 1 个 GPU 的无梯度学习及相应的扰动噪声处理。所提方法的效果在编码多达 14625 个运动基元的实验中得以展示。强调了经车辆速度调度后仅含少至 10 个标量参数的微小神经网络的能力。
引用
@article{arxiv.1807.02187,
title = {Encoding Motion Primitives for Autonomous Vehicles using Virtual Velocity Constraints and Neural Network Scheduling},
author = {Mogens Graf Plessen},
journal= {arXiv preprint arXiv:1807.02187},
year = {2018}
}
备注
8 pages, 4 figures, 7 tables, ICMLA 2018