探索深度强化学习在真实世界自动驾驶系统中的应用
机器学习
2019-01-17 v3 机器人学
机器学习
摘要
深度强化学习（DRL）近年来变得愈发强大，取得了如 Deepmind 的 AlphaGo 等瞩目成就。它已成功部署于 Mobileye 的路径规划系统等商用车辆中。然而，绝大多数 DRL 工作聚焦于受控合成汽车模拟器环境（如 TORCS 与 CARLA）中的玩具示例。总体而言，DRL 在真实世界应用中的可用性仍处于起步阶段。本文的目标是推动 DRL 在各种自动驾驶（AD）应用中的真实世界部署。我们首先概述自动驾驶系统中的任务、强化学习算法以及 DRL 在 AD 系统中的应用。接着我们讨论必须应对的挑战，以促成朝向真实世界部署的进一步进展。
引用
@article{arxiv.1901.01536,
title = {Exploring applications of deep reinforcement learning for real-world autonomous driving systems},
author = {Victor Talpaert and Ibrahim Sobh and B Ravi Kiran and Patrick Mannion and Senthil Yogamani and Ahmad El-Sallab and Patrick Perez},
journal= {arXiv preprint arXiv:1901.01536},
year = {2019}
}
备注
Accepted for Oral Presentation at VISAPP 2019