要約
自律ナビゲーション研究の人気の高まりに伴い、フォーミュラ スチューデント (FS) イベントでは、イベント リストに自動運転車 (DV) カテゴリーが導入されています。
この論文では、これらの競技会における自律型 FS レースカーのエンドツーエンド制御に深層強化学習 (RL) を利用するための初期調査について説明します。
Turtlebot2 プラットフォーム上の実物大設計と同様のトラック上で、2 つの最先端の RL アルゴリズムをシミュレーションでトレーニングします。
結果は、私たちのアプローチがシミュレーションでレースを学習し、物理プラットフォーム上の現実世界のレーストラックに移行できることを示しています。
最後に、提示されたアプローチの限界についての洞察と、本格的な自律型 FS レースに向けて RL を適用するための将来の方向性へのガイダンスを提供します。
要約(オリジナル)
With the rising popularity of autonomous navigation research, Formula Student (FS) events are introducing a Driverless Vehicle (DV) category to their event list. This paper presents the initial investigation into utilising Deep Reinforcement Learning (RL) for end-to-end control of an autonomous FS race car for these competitions. We train two state-of-the-art RL algorithms in simulation on tracks analogous to the full-scale design on a Turtlebot2 platform. The results demonstrate that our approach can successfully learn to race in simulation and then transfer to a real-world racetrack on the physical platform. Finally, we provide insights into the limitations of the presented approach and guidance into the future directions for applying RL toward full-scale autonomous FS racing.
arxiv情報
著者 | Aakaash Salvaji,Harry Taylor,David Valencia,Trevor Gee,Henry Williams |
発行日 | 2023-08-24 21:16:03+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google