面向自动驾驶车辆的自适应路径跟踪策略的终身多任务学习
机器人学
2021-09-16 v1 系统与控制
系统与控制
摘要
本文提出一种用于自动驾驶车辆的终身自适应路径跟踪策略学习方法，该方法可利用多任务知识自我演化与自我适应。首先，所提方法能直接从历史驾驶经验中学习无模型控制策略用于路径跟踪，其中车辆动力学特性与相应控制策略可同时被学习。其次，通过利用终身学习方法，所提方法能在不遭遇灾难性遗忘的情况下以任务增量知识学习策略。因此，随着持续学习的多任务知识，该策略可迭代适应新任务并利用新任务知识提升性能。第三，应用一种记忆评估与更新方法优化终身学习的记忆结构，使策略能朝选定方向学习。实验使用高保真车辆动力学模型在复杂弯道上进行以评估所提方法性能。结果表明，所提方法能有效随持续多任务知识演化并适应新环境，且在演化后性能可超越两种常用基线方法。
引用
@article{arxiv.2109.07210,
title = {Life-Long Multi-Task Learning of Adaptive Path Tracking Policy for Autonomous Vehicle},
author = {Cheng Gong and Jianwei Gong and Chao Lu and Zhe Liu and Zirui Li},
journal= {arXiv preprint arXiv:2109.07210},
year = {2021}
}