基于MPC的模仿学习用于安全且类人的自动驾驶
机器人学
2022-06-27 v1 系统与控制
系统与控制
摘要
为确保用户对自动驾驶车辆（AVs）的接受度，控制系统正被开发以从期望驾驶行为的演示中模仿人类驾驶员。模仿学习（IL）算法服务于此目的，但难以对所得闭环系统轨迹提供安全性保证。另一方面，模型预测控制（MPC）可处理带安全约束的非线性系统，但用它实现类人驾驶需要大量领域知识。本工作建议将两种技术无缝结合，通过在与分层IL策略中的可微分控制层一样使用MPC，从期望驾驶行为的演示中学习安全的AV控制器。借助该策略，IL通过MPC代价、模型或约束中的参数以闭环和端到端方式执行。该方法的实验结果在分析用于车道保持控制系统设计时给出，该系统通过基于观测的行为克隆（BCO）从固定基座驾驶模拟器上的人类演示中学习。
引用
@article{arxiv.2206.12348,
title = {MPC-based Imitation Learning for Safe and Human-like Autonomous Driving},
author = {Flavia Sofia Acerbo and Jan Swevers and Tinne Tuytelaars and Tong Duy Son},
journal= {arXiv preprint arXiv:2206.12348},
year = {2022}
}
备注
Accepted at the 1st Workshop on Safe Learning for Autonomous Driving (SL4AD), co-located with the 39th International Conference on Machine Learning (ICML 2022)