久久一日本道色综合久,日本人韩国国产一区二区三区

IJCA2019公開協調ADAS新方法：隨機對抗性模仿學習

2019-05-18 09:20

智車科技IV

關注

最小二乘損失函數（3）對決策邊界兩側遠離標準軌跡的采樣軌跡進行懲罰。

該方法可以用公式（4）表示。

公式（5）表示對抗模仿學習與隨機對抗模仿學習RAIL的隨機參數空間搜索之間的關系。

圖3中實驗的目的是為了展示樣品的效率。為了評估效率，實驗考慮了平均車速、換道次數、超車次數、縱向獎勵和橫向獎勵，如圖3和圖4所示。

由表1可以看出，兩層政策的平均車速和平均超車統計量最高，分別為70．38km／h和45．04。這是因為基于蓋爾的框架和基于與環(huán)境交互的策略優(yōu)化，經過訓練的策略有時可以獲得比專業(yè)人類駕駛員更高的性能。另一方面，單層策略的性能提高了90％。這是因為單層不足以正確處理高維觀測。上述，BC試圖將專業(yè)演示過程中的1步偏差誤差最小化。因此，由于訓練和測試之間的分布不匹配，單層策略表現出不理想的性能。

在圖4中，使用縱向補償來分析環(huán)境補償�？v向補償與速度成正比；因此，歸一化結果與圖3a所示的平均速度相同。為了評估行動決策的敏感性，使用了橫向補償。在變道完成之前，車輛可以根據觀察改變決策。由于換道過程中橫向獎勵是連續(xù)發(fā)生的，因此在換道過程中頻繁的換道會導致換道過程中獎勵的減少。在圖4b中，兩層策略在最后一種情況下獲得了較大的橫向獎勵。然而，兩層策略比專家策略顯示了更多的車道變化。這是因為兩層策略不太可能在操作期間更改決策。另一方面，單層策略比專家策略更能顯示頻繁的換道。因為單層策略經常更改其決策，單層策略獲得最小的橫向補償。BC表示換道次數最少。然而，經過培訓的策略比RAIL培訓的單層策略獲得了更大的回報。變道數量明顯小于單層策略；從而使訓練后的策略比單層策略獲得更大的橫向回報。

通過圖3c的實驗，模擬專家論證，測量合適的決策。為了獲得與專家相似的超車次數，仿真過程中的換道點和決策應與專家相似。在圖3c中，兩層策略相比之下，顯示了預期的性能。此外，決策點和操作與專家相似。然而，單層策略比專家策略顯示的接管數量要少。這是因為平均速度較低，并且根據觀察做出了不合適的換道決定。

綜上所述，驗證了RAIL方法提高了平均速度，減少了不必要的變道次數。這就意味著RAIL方法政策方向是正確的。實驗結果表明，兩層策略取得了與駕駛專家相似的性能。

<上一頁 1 2