基于强化学习与深度学习的自动驾驶横向控制
机器学习
2018-10-31 v1 人工智能
计算机视觉与模式识别
摘要
本文研究基于视觉的自动驾驶，采用深度学习和强化学习方法。与端到端学习方法不同，我们的方法将基于视觉的横向控制系统分解为感知模块和控制模块。基于多任务学习神经网络的感知模块首先将驾驶员视角图像作为输入并预测车道特征。基于强化学习的控制模块随后基于这些特征做出控制决策。为提高数据效率，我们提出视觉TORCS（VTORCS），一个基于开放赛车模拟器（TORCS）的深度强化学习环境。借助所提供的功能，人们可以用图像或各种物理传感器测量值作为输入在该模拟器上训练智能体，或评估感知算法。训练得到的强化学习控制器在不同赛道上优于线性二次调节器（LQR）控制器和模型预测控制（MPC）控制器。实验表明，感知模块展现出良好性能，且控制器能够仅凭视觉输入控制车辆沿赛道中心良好行驶。
引用
@article{arxiv.1810.12778,
title = {Reinforcement Learning and Deep Learning based Lateral Control for Autonomous Driving},
author = {Dong Li and Dongbin Zhao and Qichao Zhang and Yaran Chen},
journal= {arXiv preprint arXiv:1810.12778},
year = {2018}
}
备注
14 pages, 12 figures, accepted to IEEE Computational Intelligence Magazine