End-To-End Training and Testing Gamification Framework to Learn Human Highway Driving

要約

現在の自律スタックは十分にモジュール化されており、手作りのフレームワークでの認識、意思決定、制御で構成されています。
人工知能 (AI) とコンピューティング リソースの進歩に伴い、研究者は、少なくとも高速道路のシナリオなどの狭い探索スペースの問題や、ますますフォトリアリスティックなシミュレーションにおいて、自動運転用のエンドツーエンド AI の開発を推進してきました。
効率的な学習には欠かせません。
この研究では、人間の運転スキルから学習することにより、自動運転車の高速道路運転のための新しいゲームベースのエンドツーエンド学習およびテストフレームワークを提案します。
まず、人気ゲーム Grand Theft Auto V (GTA V) を利用して、提案したプログラム可能なラベルを使用して高速道路の走行データを収集します。
そして、エンドツーエンドのアーキテクチャにより、ゲーム画面の画像から車両を制御するステアリングとスロットルの値を予測します。
予測された制御値は仮想コントローラーを介してゲームに送信され、車両を車線内に維持し、道路上の他の車両との衝突を回避します。
提案されたソリューションは「GTA V」ゲームで検証され、その結果は人間の運転スキルを学習するためのこのエンドツーエンドのゲーミフィケーション フレームワークの有効性を示しています。

要約(オリジナル)

The current autonomous stack is well modularized and consists of perception, decision making and control in a handcrafted framework. With the advances in artificial intelligence (AI) and computing resources, researchers have been pushing the development of end-to-end AI for autonomous driving, at least in problems of small searching space such as in highway scenarios, and more and more photorealistic simulation will be critical for efficient learning. In this research, we propose a novel game-based end-to-end learning and testing framework for autonomous vehicle highway driving, by learning from human driving skills. Firstly, we utilize the popular game Grand Theft Auto V (GTA V) to collect highway driving data with our proposed programmable labels. Then, an end-to-end architecture predicts the steering and throttle values that control the vehicle by the image of the game screen. The predicted control values are sent to the game via a virtual controller to keep the vehicle in lane and avoid collisions with other vehicles on the road. The proposed solution is validated in GTA V games, and the results demonstrate the effectiveness of this end-to-end gamification framework for learning human driving skills.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google