Think2Drive: 자율주행을 위한 최초의 모델 기반 RL 방법(Shanghai Jiaotong University)

CARLA v2에서 전문가 수준의 숙련도로 실행하세요.

제목: Think2Drive: 준현실적인 자율 주행을 위한 잠재 세계 모델에서 생각하여 효율적인 강화 학습(CARLA-v2)

저자 소속: Shanghai Jiao Tong University

실제 세계, 특히 도시 운전에는 많은 특수 사례가 포함됩니다. 최근 출시된 AD 시뮬레이터 CARLA v2는 주행 시나리오에 39가지 공통 이벤트를 추가해 CARLA v1보다 현실에 가까운 테스트 플랫폼을 제공한다. 이는 커뮤니티에 새로운 과제를 안겨줍니다. 대부분의 기존 작업은 계획을 위한 특정 규칙에 의존해야 하지만 더 복잡한 상황에서는 다룰 수 없기 때문에 지금까지 CARLA v2의 새로운 시나리오에 대한 성공을 보고한 문헌은 없습니다. . 이 작업은 기획자를 적극적이고 직접적으로 교육하여 코너 케이스를 유연하고 효과적으로 처리할 수 있기를 바라며 이것이 AD의 미래 방향이기도하다고 믿습니다. 우리가 아는 한, 우리는 AD용 Think2Drive라는 최초의 모델 기반 강화 학습 방법을 개발합니다. 이 방법은 환경의 변화를 학습하기 위한 월드 모델을 사용하며, 이 방법은 플래너를 훈련하기 위한 신경 시뮬레이터 역할을 합니다. 이 패러다임은 저차원 상태 공간과 월드 모델의 텐서 병렬 계산으로 인해 훈련 ​​효율성을 크게 향상시킵니다.

결과적으로 Think2Drive는 단일 A6000 GPU에서 3일간의 교육 후에 CARLA v2에서 전문가 수준의 숙련도로 실행할 수 있었습니다. 우리가 아는 한 CARLA v2에 대한 성공(100% 경로 완료)은 보고되지 않았습니다. 현재까지.) 시나리오를 통해 주행 모델 평가를 지원하는 벤치마크인 CornerCase-Repository도 제안됐다. 또한, 주행 점수를 통해 실제 주행 성능에 대한 더 많은 정보를 제공할 수 있도록 경로 완성도, 위반 횟수, 장면 밀도 등 성능을 평가할 수 있는 새로운 균형 지표를 제안합니다.

실험 결과

는 마지막에 적혀있습니다

저희 창고에 오신 것을 환영합니다! 이는 BEV, 다중 모드 융합, 차량 점유 감지, 밀리미터파 레이더 시각적 인식, 차선 감지 및 3D 인식 등을 포함한 많은 기술 분야를 다룹니다. 또한 온라인 지도, 다중 센서 보정, Nerf, 대규모 모델, 계획 제어 및 궤도 예측에 대한 리뷰와 논문을 공유합니다. 저희 콘텐츠가 마음에 드셨으면 좋겠습니다. 더 흥미로운 정보를 보려면 저희 창고에 별표를 표시하고 팔로우하는 것을 잊지 마세요! 당신의 지원에 감사드립니다!

위 내용은 Think2Drive: 자율주행을 위한 최초의 모델 기반 RL 방법(Shanghai Jiaotong University)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!