PRIBOOT: 一种用于改进驾驶模拟的新型数据驱动专家
机器人学
2024-06-13 v1 计算机视觉与模式识别
摘要
在CARLA等模拟环境中开发自动驾驶系统对于推进现实世界的汽车技术至关重要。为了推动创新,CARLA引入了比其前身更具挑战性的Leaderboard 2.0。然而,由于缺乏足够的真实数据,当前的自动驾驶方法难以取得令人满意的结果。CARLA提供的人类驾驶日志不足,而先前用于收集数据集且成功的专家代理(如Autopilot和Roach)在这些更具挑战性的条件下效果已有所下降。为了克服这些数据限制,我们引入了PRIBOOT,这是一种利用有限人类日志和特权信息的专家代理。我们开发了一种新颖的BEV表示,专门为满足这一新基准的需求而定制,并将其处理为RGB图像以促进迁移学习技术的应用,而不是使用一组掩码。此外,我们提出了违规率得分(IRS),这是一种新的评估指标,旨在对较长路线上的驾驶性能进行更均衡的评估。PRIBOOT是第一个在Leaderboard 2.0中实现路线完成率(RC)达到75%的模型,同时驾驶得分(DS)和IRS分别为20%和45%。借助PRIBOOT,研究人员现在可以生成大量数据集,从而可能解决阻碍该基准取得进展的数据可用性问题。
引用
@article{arxiv.2406.08421,
title = {PRIBOOT: A New Data-Driven Expert for Improved Driving Simulations},
author = {Daniel Coelho and Miguel Oliveira and Vitor Santos and Antonio M. Lopez},
journal= {arXiv preprint arXiv:2406.08421},
year = {2024}
}