Autonomous Driving with Deep Reinforcement Learning in CARLA Simulation

要約

現在、自動運転車は、現実世界のさまざまな課題を解決する上での数多くの潜在的な用途により注目を集めています。
ただし、自動運転車の開発には、現実世界に展開する前に膨大な量のトレーニングとテストが必要です。
強化学習 (RL) の分野は、深層表現学習の開発により強力な学習フレームワークに進化し、自動運転車のような高次元環境で複雑なポリシーを学習できるようになりました。
この点に関して、私たちは、Deep Q-Learning を使用して、自動運転車が他の車両を回避しながら最高速度で車線を維持する方法を発見することに取り組んでいます。
その後、CARLA シミュレーション環境を使用して、問題定式化に基づいて新しく取得したポリシーをテストおよび検証しました。

要約(オリジナル)

Nowadays, autonomous vehicles are gaining traction due to their numerous potential applications in resolving a variety of other real-world challenges. However, developing autonomous vehicles need huge amount of training and testing before deploying it to real world. While the field of reinforcement learning (RL) has evolved into a powerful learning framework to the development of deep representation learning, and it is now capable of learning complicated policies in high-dimensional environments like in autonomous vehicles. In this regard, we make an effort, using Deep Q-Learning, to discover a method by which an autonomous car may maintain its lane at top speed while avoiding other vehicles. After that, we used CARLA simulation environment to test and verify our newly acquired policy based on the problem formulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google