基于表示学习的自动驾驶赛车快速实时端到端控制
机器人学
2021-12-01 v1
摘要
自动驾驶赛车情境所提出的挑战不同于常规自动驾驶，需要更快的端到端算法，并在确定最优当前动作时考虑更长的时域，兼顾后续的操作与情境。本文提出一种用于自动驾驶赛车的端到端方法，其输入为车载摄像头视频信息，输出最终的转向与油门控制动作。我们采用如下划分构建该方法：(1) 学习场景的低维表示，(2) 针对给定场景预生成最优轨迹，(3) 使用经典控制方法跟踪预测轨迹。在学习场景低维表示时，我们利用带有新颖无监督轨迹规划器的中间表示来生成专家轨迹，并由此从给定的前视输入图像直接预测赛车线。因此，所提算法结合了两方面优势——基于学习的方法在感知上的鲁棒性，以及基于优化的方法在端到端学习框架中生成轨迹的准确性。我们在 CARLA（一个用于现实环境中测试自动驾驶汽车的照片级真实模拟器）上部署并演示了我们的框架。
引用
@article{arxiv.2111.15343,
title = {Fast and Real-time End to End Control in Autonomous Racing Cars Through Representation Learning},
author = {Praveen Venkatesh and Rwik Rana and Harish PM},
journal= {arXiv preprint arXiv:2111.15343},
year = {2021}
}