通过潜空间规划解决 Learn-to-Race 自主赛车挑战赛
人工智能
2022-07-06 v2
摘要
在 www<dot>aicrowd<dot>com 平台上举办的 Learn-to-Race 自主赛车虚拟挑战赛包含两个赛道：单摄像头与多摄像头。我们的 UniTeam 团队是单摄像头赛道的决赛获胜团队之一。智能体需要在最少的偏离赛道驾驶违规情况下，以最短时间通过先前未知的 F1 风格赛道。在我们的方法中，我们使用 U-Net 架构进行道路分割，使用变分自编码器对道路二值掩码进行编码，并采用最近邻搜索策略为给定状态选择最佳动作。我们的智能体在第一阶段（已知赛道）达到平均 105 km/h 的速度，在第二阶段（未知赛道）达到 73 km/h 的速度，且没有任何偏离赛道驾驶违规。在此我们给出我们的解决方案与结果。
引用
@article{arxiv.2207.01275,
title = {Solving Learn-to-Race Autonomous Racing Challenge by Planning in Latent Space},
author = {Shivansh Beohar and Fabian Heinrich and Rahul Kala and Helge Ritter and Andrew Melnik},
journal= {arXiv preprint arXiv:2207.01275},
year = {2022}
}
备注
Published in SL4AD Workshop, ICML 2022