模拟与真实交叉口上自动驾驶知识的迁移
机器学习
2017-12-05 v1 人工智能
机器人学
摘要
我们将自动驾驶车辆的路口处理视为一个强化学习问题，并研究其在迁移学习设定下的行为。我们表明，在一种交叉口上训练的网络通常无法泛化到其他交叉口。然而，在一个交叉口上预训练并在另一个交叉口上微调的网络，相较于孤立训练，在新任务上表现更好。该网络也保留了对先前任务的知识，尽管发生了一些遗忘。最后，我们表明，当将模拟的交叉口处理知识迁移到真实自动驾驶车辆时，微调的益处仍然成立。
引用
@article{arxiv.1712.01106,
title = {Transferring Autonomous Driving Knowledge on Simulated and Real Intersections},
author = {David Isele and Akansel Cosgun},
journal= {arXiv preprint arXiv:1712.01106},
year = {2017}
}
备注
Appeared in Lifelong Learning Workshop @ ICML 2017. arXiv admin note: text overlap with arXiv:1705.01197