用于端到端自动驾驶的多任务 UNet 架构
机器学习
2023-09-11 v2 机器人学
摘要
我们提出了一种端到端驾驶模型，它将多任务 UNet（MTUNet）架构与控制算法集成在前置摄像头经该模型到驾驶决策的数据流流水线中。它提供定量度量来评估端到端驾驶系统的整体、动态和实时性能，从而评估 MTUNet 的安全性与可解释性。该架构包含一个分割、一个回归和两个分类任务，用于车道分割、路径预测和车辆控制。我们给出了三种不同复杂度的架构变体，在单任务与多任务的四种静态度量上进行比较，然后通过实时仿真中两个额外的动态度量确定最佳变体。我们的结果表明，所提出的监督学习模型在弯道上的同一任务上性能可与强化学习模型相比，后者并非端到端而是多模块。
引用
@article{arxiv.2112.08967,
title = {Multi-task UNet architecture for end-to-end autonomous driving},
author = {Der-Hau Lee and Jinn-Liang Liu},
journal= {arXiv preprint arXiv:2112.08967},
year = {2023}
}
备注
6 pages, 5 figures, a condensation of the previous version