基于深度强化学习的端到端赛车驾驶

Maximilian Jaritz; Raoul de Charette; Marin Toromanoff; Etienne Perot; Fawzi Nashashibi

基于深度强化学习的端到端赛车驾驶

计算机视觉与模式识别 2018-09-03 v2 机器人学

作者: Maximilian Jaritz , Raoul de Charette , Marin Toromanoff , Etienne Perot , Fawzi Nashashibi

摘要

我们展示了使用最新强化学习算法进行端到端驾驶的研究,无任何中介感知(物体识别、场景理解)。新提出的奖励与学习策略共同带来了更快的收敛与更稳健的驾驶,仅使用前置摄像头的RGB图像。采用异步优势演员-评论家(A3C)框架在物理与图形逼真的拉力赛游戏中学习车辆控制,智能体同时在具有多种道路结构(转弯、山坡)、图形(季节、地点)与物理(路面附着力)的赛道上演化。进行了 thorough 评估,并证明了在未见赛道及使用法定限速下的泛化能力。对真实图像序列的开环测试显示了我们方法的一定域适应能力。

关键词

端到端驾驶深度强化学习异步优势演员-评论家 RGB摄像头域适应泛化

引用

@article{arxiv.1807.02371,
  title  = {End-to-End Race Driving with Deep Reinforcement Learning},
  author = {Maximilian Jaritz and Raoul de Charette and Marin Toromanoff and Etienne Perot and Fawzi Nashashibi},
  journal= {arXiv preprint arXiv:1807.02371},
  year   = {2018}
}

备注

ICRA 2018

基于深度强化学习的端到端赛车驾驶

摘要

关键词

引用

备注

相关论文