变分端到端导航与定位

深度学习已经革新了直接从原始感官数据学习“端到端”自动驾驶车辆控制的能力。尽管近期已有扩展以处理某些形式的导航指令，但这些工作无法捕捉可能采取的全部动作分布，也无法对机器人在环境中的定位进行推理。本文扩展端到端驾驶网络，使其仅利用含噪 GPS 数据便能执行点对点导航以及概率定位。我们定义了一种新颖的变分网络，能够从环境原始相机数据以及更高层次的路线图学习，以预测（1）所有可能控制指令上的完整概率分布；以及（2）能够在地图指定路线上导航的确定性控制指令。此外，受人类驾驶员可进行的粗略定位启发，我们阐述了如何利用模型通过地图与观测到的视觉道路拓扑之间的对应关系来定位机器人。我们在车辆从未行驶过的真实世界驾驶数据上测试了我们的算法，并将点对点导航算法集成到全尺寸自动驾驶车辆上以实现实时性能。我们的定位算法还在一组新的道路与交叉口上进行了评估，以展示即便在没有任何 GPS 先验的情况下也能进行粗略位姿定位。