模拟×强化学习! 从模拟到现实生活中的自动驾驶系统（下)
三个要点
✔️模拟x强化学习
✔️真实世界的自动驾驶测试。
✔️模拟到真实的措施成功过渡。
Simulation-Based Reinforcement Learning for Real-World Autonomous Driving
written by Błażej Osiński, Adam Jakubowski, Piotr Miłoś, Paweł Zięcina, Christopher Galias, Silviu Homoceanu, Henryk Michalewski
(Submitted on 29 Nov 2019 (v1), last revised 4 Mar 2020 (this version, v3))
Comments: Accepted at 2020 IEEE International Conference on Robotics and Automation (ICRA)
Subjects: Machine Learning (cs.LG); Artificial Intelligence (cs.AI); Robotics (cs.RO)
Paper Official Code COMM Code
介绍
本文介绍了一篇关于通过仿真强化学习获取现实生活中的自动驾驶系统的论文。输入是来自摄像头的RGB图像和语义分割来训练输出转向（方向盘操作）的模型。在我们的实验中，他们已经成功地将Sim-to-Real驾驶系统转移到了现实中。
动力
在我们的研究背景下，我们的动机是希望有效地利用模拟技术来构建真实世界的自动驾驶系统。
贡献
本文的贡献有二
- 测试模拟中视觉随机性的效果
- 在现实世界中测试自动驾驶
这里的视觉随机性指的是天气的变化或图像输入中加入的噪声。
在上一篇文章的前半部分，我介绍了所提出的方法，这是一个端到端的模型，它将图像、语义分割、车辆指标(速度、加速度和角度)和导航命令作为输入，转向作为输出，用PPO进行学习。他们还将噪声和其他随机化添加到
本文讲述的是一个模拟实验和七个真实世界的实验。让我们来看看他们。
要阅读更多。
你需要在AI-SCHOLAR注册。
或
与本文相关的类别
