OTTR：基于强化学习的越野轨迹跟踪
机器人学
2021-10-07 v1 机器学习
摘要
在这项工作中，我们提出了一种用于越野轨迹跟踪问题的新颖强化学习（RL）算法。越野环境涉及多变的地形类型与高程，且难以对特定越野车辆与此类多样复杂环境的交互动力学进行建模。在标准模拟器上训练的RL策略将在这种极具挑战的真实世界环境中失效。我们提出一种基于监督学习的创新方法来克服仿真到现实的鸿沟问题，而非使用朴素的域随机化方法。我们的方法高效利用可用的有限真实世界数据，使基于简单运动学模拟器获得的基线RL策略得以适配。这避免了对车辆与越野环境之间多样复杂交互进行建模的需要。我们使用两种不同的越野车辆Warthog和Moose评估了所提算法的性能。相比标准ILQR方法，我们利用仅30分钟真实驾驶数据，分别在Warthog和Moose上实现了30%和50%的横向跟踪误差降低。
引用
@article{arxiv.2110.02332,
title = {OTTR: Off-Road Trajectory Tracking using Reinforcement Learning},
author = {Akhil Nagariya and Dileep Kalathil and Srikanth Saripalli},
journal= {arXiv preprint arXiv:2110.02332},
year = {2021}
}