Behavioral Cloning Models Reality Check for Autonomous Driving

要約

自動運転車認識システムの最近の進歩は、実際の自動運転車制御に適用された場合、どの程度効果的ですか?
多数のビジョンベースの自動運転車システムがシミュレートされた環境で訓練および評価されてきましたが、これらのシステムの実世界での検証が著しく不足しています。
この論文では、横方向制御に Behavior Cloning (BC) を利用し、生の画像データを処理してステアリング コマンドを予測する最先端の知覚システムの実世界での検証を提示することで、このギャップに対処します。
データセットは、スケール調整された研究車両を使用して収集され、さまざまなトラック設定でテストされました。
実験結果は、これらの方法が低い誤差範囲でステアリング角度をリアルタイムで予測することを示しており、現実世界のアプリケーションに有望な可能性があることを示しています。

要約(オリジナル)

How effective are recent advancements in autonomous vehicle perception systems when applied to real-world autonomous vehicle control? While numerous vision-based autonomous vehicle systems have been trained and evaluated in simulated environments, there is a notable lack of real-world validation for these systems. This paper addresses this gap by presenting the real-world validation of state-of-the-art perception systems that utilize Behavior Cloning (BC) for lateral control, processing raw image data to predict steering commands. The dataset was collected using a scaled research vehicle and tested on various track setups. Experimental results demonstrate that these methods predict steering angles with low error margins in real-time, indicating promising potential for real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google