扩展即所需：基于 JAX 加速强化学习的自动驾驶
机器学习
2024-11-06 v4 人工智能
机器人学
摘要
强化学习已被证明在视频游戏等复杂领域甚至能超越最优秀的人类表现。然而，在自动驾驶所需的规模上运行强化学习实验极其困难。构建大规模强化学习系统并将其分布在多个 GPU 上具有挑战性。从安全性和可扩展性的角度来看，在真实车辆上收集训练期间的经验是不可行的。因此，需要一种高效且逼真的驾驶模拟器，该模拟器利用大量真实世界驾驶数据。我们将这些能力结合在一起，开展了大规模的自动驾驶强化学习实验。我们证明了策略性能随规模增加而提升。与最先进的自动驾驶机器学习产生的策略相比，我们表现最佳的策略将失败率降低了 64%，同时将驾驶进度率提高了 25%。
引用
@article{arxiv.2312.15122,
title = {Scaling Is All You Need: Autonomous Driving with JAX-Accelerated Reinforcement Learning},
author = {Moritz Harmel and Anubhav Paras and Andreas Pasternak and Nicholas Roy and Gary Linscott},
journal= {arXiv preprint arXiv:2312.15122},
year = {2024}
}