面向拥挤路口自主导航的多任务条件模仿学习
机器人学
2022-02-22 v1 计算机视觉与模式识别
摘要
近年来,深度模仿学习用于自动驾驶控制受到大量关注,其将原始感官输入直接映射为控制动作。然而,由于不确定交通参与者带来的不确定性,在密集人群路口中导航仍是一项挑战性任务。我们关注需要与行人交互的拥挤路口自主导航。提出一种多任务条件模仿学习框架,以适配横向与纵向控制任务,实现安全高效的交互。我们开发了名为 IntersectNav 的新基准并提供了人类演示。实证结果表明,相较 SOTA,所提方法成功率提升可达 30%。
引用
@article{arxiv.2202.10124,
title = {Multi-Task Conditional Imitation Learning for Autonomous Navigation at Crowded Intersections},
author = {Zeyu Zhu and Huijing Zhao},
journal= {arXiv preprint arXiv:2202.10124},
year = {2022}
}