基于机器学习的自动驾驶车辆横向控制
机器学习
2023-03-16 v1 人工智能
摘要
在真实世界中运行的安全关键系统所使用的机器学习模型中，决策的不确定性至关重要。因此，为信息物理系统（CPS）的安全运行，以稳健的方式处理不确定性十分重要。在本工作中，我们使用机器学习模型设计车辆的横向控制器。为此，我们训练了一个随机森林模型（一种集成模型）和一个深度神经网络模型。由于随机森林模型中的集成特性，我们可以预测预测中的置信度/不确定性。我们在模拟器中于一条赛道上行驶车辆所生成的数据上训练控制器，并在其他赛道上进行测试。借助置信度预测，我们能够判断控制器何时对预测较不自信，并在需要时接管控制。我们有两点结果分享：第一，即使在极少标注数据下，基于随机森林的回归器相较于深度神经网络具有非常好的泛化能力，因此随机森林控制器能够在另一条相似赛道上行驶，而基于深度神经网络的模型则无法行驶；第二，随机森林控制器中的预测置信度使我们能够知晓控制器何时对预测不自信且可能失败。通过设定阈值，可在控制器不安全时接管控制，而这是基于深度神经网络的控制器所缺失的。
引用
@article{arxiv.2303.08187,
title = {Vehicle lateral control using Machine Learning for automated vehicle guidance},
author = {Akash Fogla and Kanish Kumar and Sunnay Saurav and Bishnu ramanujan},
journal= {arXiv preprint arXiv:2303.08187},
year = {2023}
}