基于同时训练真实世界与仿真数据的模仿学习方法用于 AI Driving Olympics
机器学习
2020-07-08 v1 计算机视觉与模式识别
机器人学
机器学习
摘要
本文中，我们描述了通过在一组混合的仿真与真实世界数据上进行模仿学习，来解决 AI Driving Olympics 竞赛中车道跟随挑战的夺冠方法。AI Driving Olympics 是一项两阶段竞赛：第一阶段算法在仿真环境中竞争，最优者晋级真实世界决赛。参与者在竞赛中遇到的主要问题之一是，为仿真环境中最佳性能训练的算法在真实世界环境中表现不佳，反之亦然。经典控制算法在不同任务间也难以迁移，因为大多数需针对特定驾驶条件（如光照、道路类型、相机位置等）调参。为克服该问题，我们采用模仿学习算法，并在来自仿真与真实世界的数据集上训练，迫使我们的模型在所有环境中表现同样良好。
引用
@article{arxiv.2007.03514,
title = {Imitation Learning Approach for AI Driving Olympics Trained on Real-world and Simulation Data Simultaneously},
author = {Mikita Sazanovich and Konstantin Chaika and Kirill Krinkin and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2007.03514},
year = {2020}
}
备注
Accepted to the Workshop on AI for Autonomous Driving (AIAD), the 37th International Conference on Machine Learning (ICML2020)