基于轨迹辅助深度强化学习的高速自主赛车
机器人学
2023-06-13 v1
摘要
自主赛车的经典方法使用实时定位来跟踪预先计算的最优轨迹。相比之下，端到端深度强化学习（DRL）可以训练智能体仅使用原始 LiDAR 扫描进行赛车。虽然经典方法优先优化高性能赛车，但 DRL 方法侧重于低性能场景，很少考虑速度剖面。本工作解决了将端到端 DRL 智能体用于高速自主赛车的问题。我们提出轨迹辅助学习（TAL），通过将最优轨迹（赛车线）纳入学习公式来训练 DRL 智能体进行高性能赛车。我们的方法使用 TD3 算法在开源 F1Tenth 模拟器的四张地图上进行了评估。结果表明，与基线相比，我们的方法在高速下实现了显著更高的圈速完成率。这是因为 TAL 训练智能体选择可行的速度剖面，即在弯道减速并大致跟踪最优轨迹。
引用
@article{arxiv.2306.07003,
title = {High-speed Autonomous Racing using Trajectory-aided Deep Reinforcement Learning},
author = {Benjamin David Evans and Herman Arnold Engelbrecht and Hendrik Willem Jordaan},
journal= {arXiv preprint arXiv:2306.07003},
year = {2023}
}
备注
7 pages, 16 figures. Submitted for review