GridSim:一种用于自动驾驶深度神经进化控制的车辆运动学引擎
机器人学
2019-01-17 v1
摘要
当前自动驾驶车辆控制的最优解决方案主要使用监督式端到端学习,或解耦的感知、规划与动作流水线。另一种可能的方案是深度强化学习,但该方法要求智能体在模拟环境中与其周边交互。本文中我们介绍GridSim,这是一个运行类车机器人架构以从模拟传感器生成占据栅格的自动驾驶模拟器引擎。我们使用GridSim来研究两种深度学习方法——深度强化学习以及通过遗传算法的驾驶行为学习的性能。深度网络将期望行为编码于一个两元素适应度函数中,该函数描述最大行驶距离与最大前进速度,并限定于特定区间内。这些算法在模拟高速公路、弯道与市内场景中得到评估,所有场景均包含不同的驾驶限制。
引用
@article{arxiv.1901.05195,
title = {GridSim: A Vehicle Kinematics Engine for Deep Neuroevolutionary Control in Autonomous Driving},
author = {Bogdan Trasnea and Andrei Vasilcoi and Claudiu Pozna and Sorin Grigorescu},
journal= {arXiv preprint arXiv:1901.05195},
year = {2019}
}