学习基于 CNN 的端到端方程式赛车控制器
计算机视觉与模式识别
2017-08-08 v1
摘要
我们提出了一组基于 CNN 的端到端模型用于 Formula SAE 赛车的控制，并提供了各种基准测试和可视化工具以理解模型性能。我们在锥标赛道驾驶的背景下解决了三个主要问题：（1）离散化转向，将第一人称视角帧沿赛道转换为预测的转向方向；（2）实值转向，将帧视图转换为实值转向角；（3）用于预测刹车和油门的网络设计。我们展示了离散化任务的高准确率，实值转向模型的低理论测试误差，以及未来关于车辆刹车和油门控制器工作的起点。时间基准测试表明，在支持 GPU 的硬件上运行时，我们提出的网络具有实时控制器所需的延迟和吞吐量。
引用
@article{arxiv.1708.02215,
title = {Learning a CNN-based End-to-End Controller for a Formula SAE Racecar},
author = {Skanda Koppula},
journal= {arXiv preprint arXiv:1708.02215},
year = {2017}
}