GoonDAE：基于去噪的越野远程操控驾驶辅助方法
机器人学
2023-06-09 v2
摘要
由于自动驾驶技术的局限性，远程操控在军事行动等危险环境中被广泛使用。然而，远程操控的驾驶表现很大程度上取决于驾驶员的技能水平。此外，不熟练的驾驶员在非常规和恶劣环境中进行远程操控需要大量的训练时间。为解决这一问题，我们提出了一种新颖的基于去噪的驾驶员辅助方法，即 GoonDAE，用于实时远程操控越野驾驶。不熟练驾驶员的控制输入被假定为与熟练驾驶员的控制输入相同但带有噪声。我们设计了一个基于跳跃连接的长短期记忆（LSTM）去噪自编码器（DAE）模型，通过去噪来辅助不熟练驾驶员的控制输入。所提出的 GoonDAE 使用从我们的模拟越野驾驶环境中收集的熟练驾驶员控制输入和传感器数据进行训练。为评估 GoonDAE，我们在模拟环境中与不熟练驾驶员进行了实验。结果表明，所提出的系统在驾驶稳定性方面显著提升了驾驶表现。
引用
@article{arxiv.2209.03568,
title = {GoonDAE: Denoising-Based Driver Assistance for Off-Road Teleoperation},
author = {Younggeol Cho and Hyeonggeun Yun and Jinwon Lee and Arim Ha and Jihyeok Yun},
journal= {arXiv preprint arXiv:2209.03568},
year = {2023}
}
备注
This work has been accepted for publication in IEEE Robotics and Automation Letters. Accepted February 2023