NeurIPS 2022 竞赛：驾驶 SMARTS
机器人学
2022-11-15 v1 计算机视觉与模式识别
机器学习
摘要
Driving SMARTS 是一项常规竞赛，旨在解决真实世界自动驾驶(AD)中普遍存在的动态交互语境分布偏移所引发的问题。所提出的竞赛支持方法学上多样的解决方案，例如强化学习(RL)与离线学习方法，其训练基于自然驾驶 AD 数据与开源仿真平台 SMARTS 的组合。双赛道结构便于聚焦分布偏移的不同方面。赛道 1 向任何方法开放，将为不同背景的机器学习研究者提供解决真实世界自动驾驶挑战的机会。赛道 2 专为严格离线学习方法设计。因此，可在不同方法间进行直接比较，以识别新的有前景的研究方向。所提设置包含 1) 使用真实世界数据与微观仿真器生成的真实交通，以确保场景保真度，2) 容纳多样解题方法的框架，以及 3) 基线方法。由此，其为对自动驾驶车辆部署各方面进行系统性研究提供了独特机会。
引用
@article{arxiv.2211.07545,
title = {NeurIPS 2022 Competition: Driving SMARTS},
author = {Amir Rasouli and Randy Goebel and Matthew E. Taylor and Iuliia Kotseruba and Soheil Alizadeh and Tianpei Yang and Montgomery Alban and Florian Shkurti and Yuzheng Zhuang and Adam Scibior and Kasra Rezaee and Animesh Garg and David Meger and Jun Luo and Liam Paull and Weinan Zhang and Xinyu Wang and Xi Chen},
journal= {arXiv preprint arXiv:2211.07545},
year = {2022}
}
备注
10 pages, 8 figures