使用进化神经网络的反应式避障
神经与进化计算
2016-09-28 v1
摘要
避障系统在减少事故数量和拯救人类生命方面可以发挥至关重要的作用。在本文中，我们介绍并验证了一种使用进化神经网络（ENN）的车辆反应式避障新方法。我们的方法仅需一个前向测距传感器作为唯一输入。训练过程以及所提出方法的分析和验证均通过仿真进行。我们进行了广泛的实验来分析所提出的方法并评估其性能。首先，我们实验了在静态自由赛道中学习避障的能力。其次，我们分析了测距传感器分辨率对学习过程的影响。第三，我们实验了车辆单独和同时学习避障的能力。最后，我们测试了所提出方法的通用性。我们使用了更真实和强大的仿真环境（CarMaker）、作为替代输入传感器的相机，以及作为额外学习特征的车道保持。结果令人鼓舞；所提出的方法成功允许车辆在训练期间未见过的不同场景中学习避障。如果输入传感器、模拟器或要学习的任务中的任何一个发生改变，它也能很好地泛化。
引用
@article{arxiv.1609.08414,
title = {Reactive Collision Avoidance using Evolutionary Neural Networks},
author = {Hesham Eraqi and Youssef EmadEldin and Mohamed Moustafa},
journal= {arXiv preprint arXiv:1609.08414},
year = {2016}
}
备注
ECTA 2016. Final paper is at SCITEPRESS digital library