向所有车辆学习

Dian Chen; Philipp Krähenbühl

向所有车辆学习

机器人学 2022-09-13 v3 计算机视觉与模式识别机器学习

作者: Dian Chen , Philipp Krähenbühl

摘要

在本文中，我们提出一个系统，用于从不仅由自车、而且由其观测到的所有车辆收集的经验中训练驾驶策略。该系统利用其他智能体的行为在不收集额外数据的情况下创造更多样化的驾驶场景。从其他车辆学习的主要困难在于没有传感器信息。我们使用一组监督任务来学习一种对控制车辆视角不变的中间表示。这不仅在训练时提供了更丰富的信号，也允许在推理时进行更复杂的推理。学习所有车辆的驾驶方式有助于在测试时预测它们的行为并避免碰撞。我们在闭环驾驶仿真中评估该系统。我们的系统在公开 CARLA Leaderboard 上以显著优势优于所有先前方法，将驾驶分数提高 25 分、路线完成率提高 24 分。我们的方法赢得了 2021 年 CARLA 自动驾驶挑战赛。代码与数据可在 https://github.com/dotchen/LAV 获取。

关键词

驾驶策略多车辆学习视角不变表示监督任务闭环仿真 CARLA 碰撞避免

引用

@article{arxiv.2203.11934,
  title  = {Learning from All Vehicles},
  author = {Dian Chen and Philipp Krähenbühl},
  journal= {arXiv preprint arXiv:2203.11934},
  year   = {2022}
}

备注

Paper accepted to CVPR 2022; Code and data available at https://github.com/dotchen/LAV

向所有车辆学习

摘要

关键词

引用

备注

相关论文