SAD-GAN：基于生成对抗网络的合成自动驾驶
计算机视觉与模式识别
2016-11-29 v1 人工智能
摘要
自动驾驶是近期备受关注的话题之一，其旨在兼顾安全问题的同时复现人类驾驶行为。我们采用生成神经网络来解决合成驾驶学习问题。主要思想是构建一个利用图像加按键数据的控制器训练网络，以模仿人类学习。我们使用稳定 GAN 的架构，通过按键在驾驶场景间进行预测。我们在一个视频游戏（Road Rash）上训练模型，并通过在 Road Rash 的其他地图上运行该模型来测试准确率并进行比较，以确定学习的程度。
引用
@article{arxiv.1611.08788,
title = {SAD-GAN: Synthetic Autonomous Driving using Generative Adversarial Networks},
author = {Arna Ghosh and Biswarup Bhattacharya and Somnath Basu Roy Chowdhury},
journal= {arXiv preprint arXiv:1611.08788},
year = {2016}
}
备注
5 pages; 4 figures; Accepted at the Deep Learning for Action and Interaction Workshop, 30th Conference on Neural Information Processing Systems (NIPS 2016), Barcelona, Spain; All authors have equal contribution