自动驾驶的固定维数与排列不变状态表示
机器人学
2022-03-07 v2 系统与控制
系统与控制
摘要
本文提出一种用于自动驾驶决策状态表示的新方法，称为编码求和与拼接（ESC）。与现有状态表示方法不同，ESC适用于可变数量的周围车辆，且无需人工预先设计的排序规则，从而具备更高的表示能力与通用性。所提ESC方法引入一个表示神经网络（NN）将每辆周围车辆编码为编码向量，再将这些向量相加以获得周围车辆集合的表示向量。通过将集合表示与自车及道路等其它变量拼接，我们实现了固定维数与排列不变的状态表示。本文进一步证明，若表示NN的输出维数大于所有周围车辆的变量数，则所提ESC方法可实现单射表示。这意味着以ESC表示为策略输入，可通过基于梯度的更新同时优化表示NN与策略NN，从而找到近似最优的表示NN与策略NN。实验表明，与固定排列表示方法相比，所提方法提升了周围车辆的表示能力，相应近似误差降低了62.2%。
引用
@article{arxiv.2105.11299,
title = {Fixed-Dimensional and Permutation Invariant State Representation of Autonomous Driving},
author = {Jingliang Duan and Dongjie Yu and Shengbo Eben Li and Wenxuan Wang and Yangang Ren and Ziyu Lin and Bo Cheng},
journal= {arXiv preprint arXiv:2105.11299},
year = {2022}
}