探索行为克隆在自动驾驶中的局限性
计算机视觉与模式识别
2019-04-22 v1 人工智能
摘要
驾驶需要对广泛多样复杂的环境条件和智能体行为作出反应。显式地对每种可能场景建模是不现实的。相比之下，模仿学习理论上可利用来自人类驾驶汽车大型车队的资料。尤其是行为克隆已成功用于端到端学习简单的视觉运动策略，但扩展到驾驶行为的全谱仍是一个未解问题。本文中，我们提出一个新基准以实验性地研究行为克隆的可扩展性与局限性。我们表明行为克隆带来了最先进的结果，包括在未见环境中，执行复杂的横向与纵向机动而无需对这些反应进行显式编程。然而，我们确认了众所周知的局限性（源于数据集偏差与过拟合）、新的泛化问题（源于动态物体与缺乏因果模型），以及训练不稳定性，这些行为克隆在毕业至真实世界驾驶前尚需进一步研究。所研究行为克隆方法的代码可在 https://github.com/felipecode/coiltraine 找到。
引用
@article{arxiv.1904.08980,
title = {Exploring the Limitations of Behavior Cloning for Autonomous Driving},
author = {Felipe Codevilla and Eder Santana and Antonio M. López and Adrien Gaidon},
journal= {arXiv preprint arXiv:1904.08980},
year = {2019}
}