CVPR 2020：如何構(gòu)建健壯的駕駛策略
德國蒂賓根大學(xué)馬克斯·普朗克智能系統(tǒng)研究所計算機科學(xué)系 Andreas Geiger 教授在CVPR 2020自動駕駛分論壇中,作了題為“構(gòu)建健壯的駕駛決策”報告。
視頻中介紹了兩種有關(guān)通過學(xué)習(xí)強大駕駛策略的最新研究結(jié)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(xué)習(xí)策略。受此觀察結(jié)果的啟發(fā),該團隊首先提出了一個新的框架,以學(xué)習(xí)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(zhǔn)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(xué)習(xí)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(shù)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(guān)鍵思想是根據(jù)收集到的策略數(shù)據(jù)提供給所對應(yīng)的學(xué)習(xí)策略使用,對關(guān)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(zhǔn)上進行了評估,重點關(guān)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(jié)論:模仿型學(xué)習(xí)算法無法捕捉到駕駛的復(fù)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
技術(shù)文庫
最新活動更多
推薦專題
- 1 2025上海車展看什么？看這一篇就夠了！
- 2 關(guān)稅大戰(zhàn)，汽車芯片會漲價嗎
- 3 工信部召開智能網(wǎng)聯(lián)汽車產(chǎn)品準(zhǔn)入及軟件在線升級管理工作推進會提的內(nèi)容，將如何影響智駕行業(yè)發(fā)展？
- 4 地平線智駕方案軟硬結(jié)合，大眾、保時捷的合作紛至沓來
- 5 高呼的“全民智駕”真的做到“全民”了嗎？
- 6 一季度汽車產(chǎn)量省份排名大洗牌！誰在異軍突起？
- 7 奇瑞的混動技術(shù)：厚積薄發(fā)，從發(fā)動機到混動系統(tǒng)
- 8 中國汽車發(fā)展頂層設(shè)計思路 - 萬鋼主席2025百人會核心內(nèi)容總結(jié)
- 9 東風(fēng)+華為，還是華為借東風(fēng)？華為ADS3.0技術(shù)詳解
- 10 工信部對浮躁的智駕說“不”
