WROOM：一种用于越野导航的自动驾驶方法
机器人学
2024-04-16 v1 机器学习
摘要
越野导航在规划层面（获得平滑轨迹）和控制层面（避免翻车、碰撞障碍物或陷入崎岖路段）都是一个难题。最近有几项工作使用经典方法，包括深度图预测、平滑轨迹规划以及使用控制器进行跟踪。我们设计了一个端到端的强化学习（RL）系统，用于越野环境中的自动驾驶车辆，该系统使用 Unity 游戏引擎中定制设计的模拟器。我们通过模仿基于规则的控制器来预热启动智能体，并利用近端策略优化（PPO）算法，基于包含控制障碍函数（CBF）的奖励来改进策略，从而促进智能体有效泛化到现实世界场景的能力。训练过程中，智能体同时在各种环境中进行领域随机化试验。我们还提出了一种新颖的模拟环境来复现越野驾驶场景，并将我们提出的方法部署到一辆真实的遥控越野车上。视频和更多结果：https://sites.google.com/view/wroom-utd/home
引用
@article{arxiv.2404.08855,
title = {WROOM: An Autonomous Driving Approach for Off-Road Navigation},
author = {Dvij Kalaria and Shreya Sharma and Sarthak Bhagat and Haoru Xue and John M. Dolan},
journal= {arXiv preprint arXiv:2404.08855},
year = {2024}
}