基于端到端模仿学习的自动驾驶车辆鲁棒行为克隆
机器人学
2021-10-19 v4 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
在这项工作中,我们提出了一个利用端到端模仿学习对人类驾驶员进行鲁棒行为克隆的轻量级流程。所提出的流程被用于训练并将三种不同的驾驶行为模型部署到一辆仿真车辆上。训练阶段包括数据收集、平衡、增强、预处理以及训练神经网络,随后将训练好的模型部署到自车(ego vehicle)上,基于车载摄像头输入预测转向指令。我们构建了一种新颖的耦合控制律,可根据预测的转向角以及自车实际速度和速度及转向的预设约束等参数实时生成纵向控制指令。我们分析了该流程的计算效率,并在部署阶段通过详尽实验评估了训练模型的鲁棒性。我们还将我们的方法与最先进(state-of-the-art)的实现进行了比较,以论证其有效性。
引用
@article{arxiv.2010.04767,
title = {Robust Behavioral Cloning for Autonomous Vehicles using End-to-End Imitation Learning},
author = {Tanmay Vilas Samak and Chinmay Vilas Samak and Sivanathan Kandhasamy},
journal= {arXiv preprint arXiv:2010.04767},
year = {2021}
}
备注
Accepted at SAE International Journal of Connected and Automated Vehicles