自训练自动驾驶智能体
机器人学
2019-04-30 v1 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
本质上，驾驶是一个马尔可夫决策过程，非常契合强化学习范式。本文提出一种无需任何人类辅助即可学习驾驶车辆的新型智能体。我们利用强化学习与进化策略的概念，在 2D 仿真环境中训练智能体。我们的模型架构通过在前馈自编码器中引入差分图像，超越了 World Model。这种在自编码器中引入差分图像的新方式，针对车辆运动给出了潜空间更好的表示，并帮助自动驾驶智能体更高效地学习如何驾驶车辆。结果表明，与原始架构相比，我们的方法所需总智能体数减少 96%、每代智能体数减少 87.5%、代数减少 70%、rollout 减少 90%，同时达到与原始架构相同的精度。
引用
@article{arxiv.1904.12738,
title = {Self Training Autonomous Driving Agent},
author = {Shashank Kotyan and Danilo Vasconcellos Vargas and Venkanna U},
journal= {arXiv preprint arXiv:1904.12738},
year = {2019}
}