通过数据驱动仿真学习交互式驾驶策略
机器人学
2021-11-25 v1 计算机视觉与模式识别
机器学习
摘要
数据驱动仿真器有望为驾驶策略学习带来高数据效率。当用于建模交互时，这种数据效率反而成为瓶颈：底层小数据集往往缺乏用于学习交互式驾驶的有趣且具挑战性的边缘案例。我们通过提出一种使用修补（in-painted）ado车辆的仿真方法来应对这一挑战，以学习鲁棒驾驶策略。因此，我们的方法可用于学习涉及多智能体交互的策略，并允许通过最先进的策略学习方法进行训练。我们针对学习驾驶中标准交互场景评估了该方案。在大量实验中，我们的工作表明所得策略可直接迁移至全尺寸自动驾驶车辆，而无需使用任何传统仿真到实物的迁移技术（如域随机化）。
引用
@article{arxiv.2111.12137,
title = {Learning Interactive Driving Policies via Data-driven Simulation},
author = {Tsun-Hsuan Wang and Alexander Amini and Wilko Schwarting and Igor Gilitschenski and Sertac Karaman and Daniela Rus},
journal= {arXiv preprint arXiv:2111.12137},
year = {2021}
}
备注
The first two authors contributed equally to this this work. Code is available here: http://vista.csail.mit.edu/