从示范中建模针对罕见危险情形的先发行为
机器人学
2018-06-04 v1 人工智能
摘要
本文提出一种从示范学习的方法，用于为罕见驾驶场景编程安全自主行为。利用仿真重现目标驾驶情形——城市街区中路边危险造成显著遮挡的情形——并收集24名用户的最优驾驶行为。本文采用基于关键帧的方法结合一种线性组合模型的算法，以将行为扩展到目标情形的新变体。该方法在理论上对所用于建模数据的LfD框架类型不可知，且我们的结果表明其对包含连续发生的额外数量危险的变体泛化良好。线性组合算法由驾驶数据分析启发，该分析也表明决策算法需要考虑道路规则与即时奖励之间的权衡以应对某些复杂情况。
引用
@article{arxiv.1806.00143,
title = {Modeling Preemptive Behaviors for Uncommon Hazardous Situations From Demonstrations},
author = {Priyam Parashar and Akansel Cosgun and Alireza Nakhaei and Kikuo Fujimura},
journal= {arXiv preprint arXiv:1806.00143},
year = {2018}
}