基于条件模仿学习的端到端驾驶
机器人学
2018-03-05 v2 计算机视觉与模式识别
机器学习
摘要
在人工驾驶演示上训练的深度网络已学会沿道路行驶并避开障碍物。然而，通过模仿学习训练的驾驶策略在测试时无法受控。一个端到端训练以模仿专家的交通工具无法被引导在即将到来的路口进行特定转向。这限制了此类系统的实用性。我们提议将模仿学习以高层命令输入为条件。在测试时，习得的驾驶策略充当一名处理感觉运动协调但仍对导航命令作出响应的专职司机。我们评估了基于视觉驾驶中条件模仿学习的不同架构。我们在城市驾驶的真实三维仿真中以及在一辆训练于居民区行驶的 1/5 比例机器人卡车上进行了实验。两个系统均基于视觉输入驾驶，但仍对高层导航命令保持响应。补充视频可在 https://youtu.be/cFtnflNe5fM 观看。
引用
@article{arxiv.1710.02410,
title = {End-to-end Driving via Conditional Imitation Learning},
author = {Felipe Codevilla and Matthias Müller and Antonio López and Vladlen Koltun and Alexey Dosovitskiy},
journal= {arXiv preprint arXiv:1710.02410},
year = {2018}
}
备注
Published at the International Conference on Robotics and Automation (ICRA), 2018