面向自动驾驶车辆的视觉路径导航一次性学习
计算机视觉与模式识别
2023-06-16 v1 机器学习
摘要
由于自动驾驶车辆（AV）可能遇到的场景众多，自动驾驶面临诸多挑战。端到端深度学习模型是相对简化的模型，可处理广泛场景。然而，端到端模型需要大量多样化数据才能表现良好。本文提出一种新颖的深度神经网络，执行图像到转向的路径导航，并通过向系统加入一次性学习来缓解数据问题。面对先前未见的路径，车辆在仅被展示一次该路径且无需模型重训练的情况下即可自主行驶。事实上，并不需要完整路径，道路路口的图像已足够。我们使用车载测试与离线测试来验证所提导航的性能，并比较不同的候选架构。
引用
@article{arxiv.2306.08865,
title = {One-Shot Learning of Visual Path Navigation for Autonomous Vehicles},
author = {Zhongying CuiZhu and Francois Charette and Amin Ghafourian and Debo Shi and Matthew Cui and Anjali Krishnamachar and Iman Soltani},
journal= {arXiv preprint arXiv:2306.08865},
year = {2023}
}
备注
Machine Learning for Autonomous Driving Workshop at the 35th Conference on Neural Information Processing Systems (NeurIPS 20222), New Orleans, USA