学习自主性：通过人类输入增强的越野导航
机器人学
2025-05-15 v2 人工智能
机器学习
摘要
在自动驾驶领域，越野terrain的导航 presents a unique set of挑战，包括不可预测的地表如草地和泥土，以及意外的障碍物如灌木和积水。在本工作中，我们提出了一种新颖的基于学习的局部规划器，通过直接从真实世界演示中捕获人类驾驶细微差别，仅使用单目相机即可应对这些挑战。我们的规划器的关键特征是能够在各种terrain类型下进行越野，以及快速学习能力。通过利用最小的人类演示数据（5-10分钟），它能够快速学习在广泛的越野条件下的导航。该局部规划器显著减少了学习人类驾驶偏好的真实世界数据需求。这允许规划器在无需手动微调的情况下应用于真实场景，展示了在越野自动驾驶技术中快速调整和适应性。
引用
@article{arxiv.2502.18760,
title = {Learning Autonomy: Off-Road Navigation Enhanced by Human Input},
author = {Akhil Nagariya and Dimitar Filev and Srikanth Saripalli and Gaurav Pandey},
journal= {arXiv preprint arXiv:2502.18760},
year = {2025}
}