利用车载相机与稀疏航拍图像在非结构化环境中平滑地形上学习越野驾驶
机器人学
2020-04-10 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种方法，仅使用视觉输入，在具有挑战性的越野和非结构化户外环境中学习在平滑地形上驾驶，同时避免碰撞。我们的方法采用了一种基于模型与无模型混合的强化学习方法，该方法利用车载传感器对地形粗糙度和碰撞进行完全自监督的标注。值得注意的是，我们向模型同时提供第一人称和俯视航拍图像输入。我们发现，这些互补输入的融合改善了规划的前瞻性，并使模型对视觉遮挡具有鲁棒性。我们的结果显示了泛化到具有茂密植被、各类岩石和沙地小径的环境的能力。在评估期间，我们的策略实现了 90% 的平滑地形通行率，并且与仅使用第一人称图像的模型相比，将所行驶粗糙地形的比例降低了 6.1 倍。
引用
@article{arxiv.2004.04697,
title = {Learning to Drive Off Road on Smooth Terrain in Unstructured Environments Using an On-Board Camera and Sparse Aerial Images},
author = {Travis Manderson and Stefan Wapnick and David Meger and Gregory Dudek},
journal= {arXiv preprint arXiv:2004.04697},
year = {2020}
}
备注
ICRA 2020. Video and project details can be found at http://www.cim.mcgill.ca/mrl/offroad_driving/