基于学习的自主过度滑角控制与碰撞规避
机器人学
2025-05-22 v1 人工智能
机器学习
摘要
过度滑角 (oversteer) 指车辆后轮失去牵引力，导致意外过度转向，构成严重的安全挑战。未能控制过度滑角常导致严重交通事故。虽然近期的自动驾驶研究尝试通过稳定机体操控处理过度滑角，但大多数方法依赖专家定义的轨迹或假设无障碍环境，限制了实际应用。本文引入一种新型端到端 (E2E) 自动驾驶方法，同时解决过度滑角控制与碰撞规避问题。现有 E2E 技术，包括模仿学习 (IL)、强化学习 (RL) 和混合学习 (HL)，通常需要近似最优示范或大量经验。然而即使是经验丰富的驾驶员在过度滑角情形下也难以提供完美示范，且高变动性阻碍了积累足够数据。因此，我们提出 Q-Compared Soft Actor-Critic (QC-SAC)，一种新型混合学习算法，能有效利用次优示范数据并快速适应新情形。为评估 QC-SAC，我们引入一个以真实驾驶训练为灵感的基准：车辆在湿滑路面上遇到突发过度滑角，需规避前方随机放置的障碍物。实验结果表明，QC-SAC 获得了近似最优的驾驶策略，显著超越了最先进的 IL、RL 和 HL 方法。我们的技术实现了世界上首个具备障碍规避功能的安全自主过度滑角控制。
引用
@article{arxiv.2505.15275,
title = {Learning-based Autonomous Oversteer Control and Collision Avoidance},
author = {Seokjun Lee and Seung-Hyun Kong},
journal= {arXiv preprint arXiv:2505.15275},
year = {2025}
}