Addressing Limitations of State-Aware Imitation Learning for Autonomous Driving

要約

条件付き模倣学習は、自動運転エージェントをトレーニングするための一般的かつ効果的なアプローチです。
ただし、2 つの問題により、このアプローチの可能性は最大限に制限されます。(i) 慣性の問題、エージェントが加速度のない低速を誤って相関させる因果的混乱の特殊なケース、および (ii) オフラインとオンラインのパフォーマンス間の低い相関関係
小さなエラーが積み重なり、エージェントがこれまで見られなかった状態になること。
どちらの問題も状態認識モデルにとって重要ですが、環境の状態だけでなく内部状態も駆動エージェントに通知することが非常に重要です。
この論文では、状態トークン伝播を備えた多段階ビジョン変換器に基づくマルチタスク学習エージェントを提案します。
車両の状態と環境の表現を変圧器の特別なトークンとして供給し、それをネットワーク全体に伝播します。
これにより、学習したストップ/ゴー情報を使用して運転方針を導き、車両の状態に対して直接データ拡張を実行し、モデルの決定を視覚的に説明するなど、さまざまな角度から前述の問題に取り組むことができます。
慣性が大幅に減少し、オフラインとオンラインのメトリクスの間に高い相関関係があることが報告されています。

要約(オリジナル)

Conditional Imitation learning is a common and effective approach to train autonomous driving agents. However, two issues limit the full potential of this approach: (i) the inertia problem, a special case of causal confusion where the agent mistakenly correlates low speed with no acceleration, and (ii) low correlation between offline and online performance due to the accumulation of small errors that brings the agent in a previously unseen state. Both issues are critical for state-aware models, yet informing the driving agent of its internal state as well as the state of the environment is of crucial importance. In this paper we propose a multi-task learning agent based on a multi-stage vision transformer with state token propagation. We feed the state of the vehicle along with the representation of the environment as a special token of the transformer and propagate it throughout the network. This allows us to tackle the aforementioned issues from different angles: guiding the driving policy with learned stop/go information, performing data augmentation directly on the state of the vehicle and visually explaining the model’s decisions. We report a drastic decrease in inertia and a high correlation between offline and online metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google