利用深度强化学习在《跑车浪漫旅 运动》中实现超人类表现
人工智能
2021-05-11 v2 机器学习
机器人学
摘要
自动驾驶赛车是机器人领域的一项重大挑战。它在经典方法中提出了基本问题，例如在不确定动力学下规划最短时间轨迹以及在车辆操控极限处进行控制。此外，最小化圈速这一稀疏目标的要求，以及从人类专家处收集训练数据的困难，也阻碍了研究者直接将基于学习的方法应用于解决该问题。在本工作中，我们提出一种基于学习的自动驾驶赛车系统，利用高保真物理车辆仿真、赛道进程代理奖励和深度强化学习。我们将系统部署于《跑车浪漫旅 运动》——一款以不同赛车和赛道逼真物理仿真而闻名的世界领先赛车模拟器，其甚至被用于招募人类赛车手。我们训练的策略所实现的自动驾驶赛车表现超越了内置 AI 迄今所取得的成绩，同时优于超过 50,000 名人类玩家数据集中的最快车手。
引用
@article{arxiv.2008.07971,
title = {Super-Human Performance in Gran Turismo Sport Using Deep Reinforcement Learning},
author = {Florian Fuchs and Yunlong Song and Elia Kaufmann and Davide Scaramuzza and Peter Duerr},
journal= {arXiv preprint arXiv:2008.07971},
year = {2021}
}
备注
Accepted for Publication at the IEEE Robotics and Automation Letters (RA-L) 2021, and International Conference on Robots and Automation (ICRA) 2021