基于MPC的模仿学习用于类人自动驾驶的评估
机器人学
2023-06-27 v3
摘要
本工作评估并分析了将模仿学习（IL）与可微模型预测控制（MPC）相结合以应用于类人自动驾驶。我们将MPC与基于学习的分层策略相结合，并在开环和闭环下使用与安全、舒适性以及类人驾驶特征相似性相关的指标来衡量其性能。我们还展示了通过闭环训练增强开环行为克隆的价值，以实现更鲁棒的学习，利用MPC所用的状态空间模型沿时间近似策略梯度。我们在固定基座驾驶模拟器上采集演示数据，学习了一个车道保持控制系统，并表明我们的模仿策略接近人类驾驶风格偏好。
引用
@article{arxiv.2211.12111,
title = {Evaluation of MPC-based Imitation Learning for Human-like Autonomous Driving},
author = {Flavia Sofia Acerbo and Jan Swevers and Tinne Tuytelaars and Tong Duy Son},
journal= {arXiv preprint arXiv:2211.12111},
year = {2023}
}
备注
This work has been accepted to IFAC for publication under a Creative Commons Licence CC-BY-NC-ND. arXiv admin note: text overlap with arXiv:2206.12348