面向模仿驾驶行为的同步策略学习与潜在状态推断
机器学习
2017-04-20 v1 人工智能
机器学习
摘要
在本工作中，我们提出一种学习驾驶模型的方法，该模型考虑了无法直接观测的变量。当在合成数据集上训练时，我们的模型能够学习车辆轨迹的编码，这些编码可区分四类不同的驾驶行为。此类编码的学习是在不知晓驾驶类别数量或任何直接要求模型学习每类编码的目标的情况下进行的。我们展示了知晓潜变量的驾驶策略在模仿其受训复现的驾驶行为时比基线方法更有效。此外，我们证明我们的策略所选择的动作深受提供给它们的潜变量设置的影响。
引用
@article{arxiv.1704.05566,
title = {Simultaneous Policy Learning and Latent State Inference for Imitating Driver Behavior},
author = {Jeremy Morton and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:1704.05566},
year = {2017}
}
备注
7 pages, 6 figures, 2 tables