Learn 2 Rage：横跨强化学习情感之旅
系统与控制
2024-10-25 v1 计算机视觉与模式识别
机器学习
机器人学
系统与控制
摘要
本工作呈现了我们团队在 AIcrowd 于 2022 年举办的 Learn To Race 自动驾驶虚拟挑战中获奖作品的实验与解决方案概述。Learn-to-Race 比赛旨在推动自动驾驶技术的边界，聚焦于实现自动驾驶的安全效益。在描述中，比赛被设定为强化学习 (RL) 挑战。我们最初的工作重点放在 Soft Actor Critic (SAC) 变体的实现上。我们的目标是仅从视觉和几何特征中学习非平凡的赛车控制，直接将像素映射到控制动作。我们对默认奖励策略进行了适当的修改，以促进平滑的方向盘和加速控制。为赛事提供的框架实现了实时模拟意味着，单个剧集（学习经验）以分钟为单位测量。我们没有追求剧集的并行化，而是选择探索一种更传统的方法，即通过学习算子处理视觉感知并输入基于规则的控制器。这种系统虽然不像像素到动作的方法那样在学术上“引人注目”，但结果是该系统所需的训练更少、更易解释、更好地泛化且易于调谐，最终以显著的优势优于所有其他代理。
引用
@article{arxiv.2410.18462,
title = {Learn 2 Rage: Experiencing The Emotional Roller Coaster That Is Reinforcement Learning},
author = {Lachlan Mares and Stefan Podgorski and Ian Reid},
journal= {arXiv preprint arXiv:2410.18462},
year = {2024}
}