缩比自动驾驶车辆控制的零样本策略可迁移性
机器人学
2023-09-19 v1 系统与控制
系统与控制
摘要
我们报告一项研究，采用内部开发的仿真基础设施实现缩比自动驾驶车辆控制策略的零样本策略可迁移性。我们聚焦于实现无需真实世界数据训练（零样本迁移）且由内部开发而非经既往工作验证的策略。为此，我们实现仅在一族圆形参考轨迹上训练的神经网络（NN）控制器。所用传感器为RTK-GPS与IMU，后者提供航向。NN控制器使用人类驾驶员（通过人在回路仿真）或模型预测控制（MPC）策略训练。我们在两种运行场景下展示这两种方法：车辆以恒定速度沿航点定义轨迹行驶；以及车辆沿其航点定义轨迹变化的速度剖面行驶。本工作的主要贡献是展示了零样本迁移与基于通用内部开发仿真平台训练的新颖前馈NN控制器相结合。
引用
@article{arxiv.2309.09870,
title = {Zero-Shot Policy Transferability for the Control of a Scale Autonomous Vehicle},
author = {Harry Zhang and Stefan Caldararu and Sriram Ashokkumar and Ishaan Mahajan and Aaron Young and Alexis Ruiz and Huzaifa Unjhawala and Luning Bakke and Dan Negrut},
journal= {arXiv preprint arXiv:2309.09870},
year = {2023}
}