基于记忆的神经网络用于端到端自动驾驶
机器人学
2022-05-25 v1
摘要
近期端到端自动驾驶控制的工作研究了基于视觉的外感知使用。受此类结果启发，我们提出了一种用于机器人转向与油门控制的新型端到端基于记忆的神经网络架构。我们描述并将该架构与先前方法进行比较，使用基本误差指标（MAE、MSE）以及若干基于其在模拟测试赛道上表现的外部指标。本工作展示了使用内部记忆的优势：提升模型的更好泛化能力，并使其能在更多赛道/情境中行驶。我们在广泛环境中分析该算法，并得出结论所提流程对不同相机配置具有鲁棒性。所有当前工作，包括数据集、网络模型架构、权重、模拟器与比较软件，均为开源且易于复现与扩展。
引用
@article{arxiv.2205.12124,
title = {Memory based neural networks for end-to-end autonomous driving},
author = {Sergio Paniego Blanco and Sakshay Mahna and Utkarsh A. Mishra and JoseMaria Canas},
journal= {arXiv preprint arXiv:2205.12124},
year = {2022}
}
备注
6 pages, 3 figures, Code available: https://github.com/JdeRobot/BehaviorMetrics and https://www.github.com/JdeRobot/DeepLearningStudio