【标题】Bridging Sim2Real Gap Using Image Gradients for the Task of End-to-End Autonomous Driving

【作者团队】Unnikrishnan R Nair, Sarthak Sharma, Udit Singh Parihar, Midhun S Menon

【发表日期】2022.5.16

【论文链接】https://arxiv.org/pdf/2205.07481.pdf

【推荐理由】本文是NeurIPS 2021 AWS Deepracer挑战赛一等奖解决方案。在这场比赛中，任务是训练强化学习智能体（即自动驾驶汽车），该智能体通过与环境（模拟轨道）交互来学习驾驶，通过在给定状态下采取行动来最大化预期奖励。然后，该模型在现实世界的赛道上用一辆小型AWS Deepracer赛车进行了测试。本文的目标是训练一个能在不偏离跑道的情况下尽可能快地完成一圈的模型。这项挑战最棘手的部分是所学技能的简单转移。为了减少观察空间中的域间距，除了剔除不必要的背景信息外，本文还进行了精明的边缘检测。作者将该问题建模为行为克隆任务，并使用MLP-MIXER进行运行时优化。通过仔细过滤训练数据，确保本文的模型能够处理控制噪声，这提供了一个稳健的模型，能够在50%的命令被随机更改时完成跟踪。在现代CPU上，该模型的总体运行时间仅为2-3ms。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除