要約
このペーパーでは、自動運転車をトレーニングする際に、自然言語の音声命令をサポートして、深層強化学習(DRL)アルゴリズムをガイドする新しいアプローチを紹介します。
DRL方式は、自動運転車(AV)エージェントの一般的なアプローチです。
ただし、ほとんどの既存の方法はサンプルと時間の効率が悪く、人間の専門家との自然なコミュニケーションチャネルがありません。
この論文では、新しい人間のドライバーが人間のコーチからどのように学ぶかによって、ヒューマンインザループ学習の新しい方法と、エージェントのためのより自然で親しみやすいトレーニングインターフェイスを研究するようになります。
自動運転車を訓練するためのモデルベースの深層強化学習に自然言語音声命令(NLI)を組み込むことを提案します。
CARLAシミュレーターで、提案された方法をいくつかの最先端のDRL方法と一緒に評価します。
結果は、NLIがトレーニングプロセスを容易にし、エージェントの学習速度を大幅に向上させるのに役立つことを示しています。
要約(オリジナル)
This paper presents a novel approach that supports natural language voice instructions to guide deep reinforcement learning (DRL) algorithms when training self-driving cars. DRL methods are popular approaches for autonomous vehicle (AV) agents. However, most existing methods are sample- and time-inefficient and lack a natural communication channel with the human expert. In this paper, how new human drivers learn from human coaches motivates us to study new ways of human-in-the-loop learning and a more natural and approachable training interface for the agents. We propose incorporating natural language voice instructions (NLI) in model-based deep reinforcement learning to train self-driving cars. We evaluate the proposed method together with a few state-of-the-art DRL methods in the CARLA simulator. The results show that NLI can help ease the training process and significantly boost the agents’ learning speed.
arxiv情報
著者 | Mingze Wang,Ziyang Zhang,Grace Hui Yang |
発行日 | 2022-06-21 10:55:39+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google