Formula RL：基于遥测数据的深度强化学习自主赛车
人工智能
2022-06-14 v2
摘要
本文探讨强化学习（RL）模型在自主赛车中的应用。与以安全为首要优先的乘用车不同，赛车旨在最小化圈速。我们将该问题构建为一项强化学习任务，其输入为多维度车辆遥测数据，动作空间为连续空间。为探明哪些RL方法能更好解决该问题，以及所得模型是否能泛化至未知赛道驾驶，我们令10种深度确定性策略梯度（DDPG）变体在两项实验中竞赛：i）研究RL方法如何学会驾驶赛车；ii）研究学习场景如何影响模型泛化能力。我们的研究表明，经RL训练的模型不仅能比开源手工基线机器人驾驶更快，且能泛化至未知赛道。
引用
@article{arxiv.2104.11106,
title = {Formula RL: Deep Reinforcement Learning for Autonomous Racing using Telemetry Data},
author = {Adrian Remonda and Sarah Krebs and Eduardo Veas and Granit Luzhnica and Roman Kern},
journal= {arXiv preprint arXiv:2104.11106},
year = {2022}
}