利用地表多模态潜变量映射改进自动驾驶车辆深度动力学模型
机器人学
2023-03-22 v1 机器学习
摘要
自动驾驶车辆的安全部署依赖于其有效应对环境变化的能力。这可能需要行驶于不同表面上，这仍是一个难题，尤其是在湿滑地形上。为解决此问题，我们提出一种新方法，通过学习表面感知的动力学模型来应对，该模型以存储当前位置表面信息的潜变量向量为条件。训练一个潜变量映射器，在推理时于每次经过相应位置时根据多种模态更新这些潜变量，并将其存入地图中。通过以动力学模型的损失端到端训练所有部分，我们迫使潜变量映射器学习一种对后续动力学模型有用的潜变量地图更新规则。我们在真实的微型电动汽车上实现并评估了我们的方法。结果表明，与不含此信息的模型相比，潜变量地图得到更新，使动力学模型的预测更加准确。我们进一步表明，通过使用该模型，可在多变且具有挑战性的表面上改善驾驶性能。
引用
@article{arxiv.2303.11756,
title = {Improving Deep Dynamics Models for Autonomous Vehicles with Multimodal Latent Mapping of Surfaces},
author = {Johan Vertens and Nicolai Dorka and Tim Welschehold and Michael Thompson and Wolfram Burgard},
journal= {arXiv preprint arXiv:2303.11756},
year = {2023}
}