在基于模型的自动驾驶汽车强化学习中融入语音指令
人机交互
2022-06-22 v1 计算与语言
计算机视觉与模式识别
机器学习
声音
音频与语音处理
摘要
本文提出一种新方法，支持利用自然语言语音指令来引导深度强化学习 (DRL) 算法训练自动驾驶汽车。DRL 方法是自动驾驶 (AV) 智能体的流行方法。然而，大多数现有方法样本与时间效率低，且缺乏与人类专家的自然通信渠道。本文中，新人类驾驶员向人类教练学习的方式启发我们研究新的人机闭环学习方式，以及为智能体提供更自然、更易用的训练接口。我们提出将自然语言语音指令 (NLI) 融入基于模型的深度强化学习中以训练自动驾驶汽车。我们在 CARLA 模拟器中将所提方法与几种最先进的 DRL 方法一并评估。结果表明，NLI 可帮助简化训练过程并显著提升智能体的学习速度。
引用
@article{arxiv.2206.10249,
title = {Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars},
author = {Mingze Wang and Ziyang Zhang and Grace Hui Yang},
journal= {arXiv preprint arXiv:2206.10249},
year = {2022}
}
备注
NeurIPS 2021 Workshop on Machine Learning for Autonomous Driving