LeTS-Drive：通过从树搜索中学习在人群中驾驶
机器人学
2019-05-30 v1 人工智能
机器学习
摘要
在拥挤环境（例如繁忙的交通路口）中的自动驾驶对机器人而言仍是一项未解决的挑战。机器人车辆必须应对动态且部分可观测的环境、噪声传感器以及众多智能体。一种原则性方法是将之形式化为部分可观测马尔可夫决策过程（POMDP）并通过在线信念树搜索求解。为应对大量人群并在此极具挑战的设置中达成实时性能，我们提出 LeTS-Drive，其集成了在线 POMDP 规划与深度学习。它包含两个阶段。在离线阶段，我们通过模仿信念树搜索来学习策略及相应的值函数。在在线阶段，习得的策略和值函数引导信念树搜索。LeTS-Drive 利用规划的鲁棒性与学习的运行效率来提升两者的性能。仿真实验结果表明，LeTS-Drive 优于单独的规划或模仿学习，并习得了复杂的驾驶技能。
引用
@article{arxiv.1905.12197,
title = {LeTS-Drive: Driving in a Crowd by Learning from Tree Search},
author = {Panpan Cai and Yuanfu Luo and Aseem Saxena and David Hsu and Wee Sun Lee},
journal= {arXiv preprint arXiv:1905.12197},
year = {2019}
}