DRL-Based Trajectory Tracking for Motion-Related Modules in Autonomous Driving

要約

自動運転システムは常にプランナーやコントローラーなどのモーション関連モジュールの上に構築されます。
これらの運動関連モジュールには、原始的なルーチンとして、正確かつロバストな軌道追跡手法が不可欠です。
現在の手法は、コンテキストやダイナミクスなどのモデルについて強い仮定を置くことが多く、現実世界のシステムの変化するシナリオに対処できるほど堅牢ではありません。
本稿では、自動運転システムの運動関連モジュール向けに、深層強化学習（DRL）ベースの軌道追跡手法を提案します。
DL の表現学習能力と RL の探索特性により、強力な堅牢性がもたらされ、精度が向上します。
一方、モデルフリーかつデータ駆動型の方法で軌道追跡を実行することで、汎用性が向上します。
広範な実験を通じて、現在の方法と比較して、私たちの方法の効率と有効性の両方を実証します。

要約(オリジナル)

Autonomous driving systems are always built on motion-related modules such as the planner and the controller. An accurate and robust trajectory tracking method is indispensable for these motion-related modules as a primitive routine. Current methods often make strong assumptions about the model such as the context and the dynamics, which are not robust enough to deal with the changing scenarios in a real-world system. In this paper, we propose a Deep Reinforcement Learning (DRL)-based trajectory tracking method for the motion-related modules in autonomous driving systems. The representation learning ability of DL and the exploration nature of RL bring strong robustness and improve accuracy. Meanwhile, it enhances versatility by running the trajectory tracking in a model-free and data-driven manner. Through extensive experiments, we demonstrate both the efficiency and effectiveness of our method compared to current methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google