CVPR 2020：如何構建健壯的駕駛策略
德國蒂賓根大學馬克斯·普朗克智能系統(tǒng)研究所計算機科學系 Andreas Geiger 教授在CVPR 2020自動駕駛分論壇中,作了題為“構建健壯的駕駛決策”報告。
視頻中介紹了兩種有關通過學習強大駕駛策略的最新研究結果,這些策略能使CARLA仿真器具有最先進的性能。
為了概括各種條件,通常我們利用多種類型的特定于情境的推理和學習策略。受此觀察結果的啟發(fā),該團隊首先提出了一個新的框架,以學習一種情境駕駛策略,可以有效地捕捉各種情況下的推理,并在CARLA駕駛基準和最先進的性能方面達到98%的成功率。
視頻的第二部分討論了模仿學習中的協(xié)變量偏移問題。解決該問題,大多數(shù)用數(shù)據(jù)聚合技術的綜合性能都較差,Andreas教授團隊提出了一種在經(jīng)驗上具有更好的泛化性能的新穎方法。關鍵思想是根據(jù)收集到的策略數(shù)據(jù)提供給所對應的學習策略使用,對關鍵狀態(tài)進行采樣,并合并一個重放緩沖區(qū),該緩沖區(qū)逐漸集中于策略狀態(tài)分布的高不確定性區(qū)域。
該方法在CARLA NoCrash基準上進行了評估,重點關注行人和車輛密集的最具挑戰(zhàn)性的駕駛場景,實現(xiàn)了87%的專家性能,同時還無需使用任何其他方式就將碰撞率降低了一個數(shù)量級。
Andreas教授的研究得出了很多有意義的結論:模仿型學習算法無法捕捉到駕駛的復雜性,數(shù)據(jù)增強很重要,但在自動駕駛中很容易過度使用,需要更好的專家并且需要改進模擬系統(tǒng)的天氣場景,讓駕駛策略更完善。。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
圖片新聞
