Learning Autonomy: Off-Road Navigation Enhanced by Human Input

要約

自律運転のエリアでは、オフロード地形のナビゲートは、草や土などの予測不可能な表面から茂みや水たまりなどの予期しない障害まで、一連の課題を提示します。
この作業では、単眼カメラのみを使用して、実際のデモンストレーションから人間の運転ニュアンスを直接捉えることにより、これらの課題に対処する新しい学習ベースのローカルプランナーを紹介します。
プランナーの主な特徴は、さまざまな地形タイプとその高速学習能力を備えた挑戦的なオフロード環境でナビゲートできることです。
最小限の人間のデモデータ（5〜10分）を利用することにより、幅広いオフロード条件でナビゲートすることをすぐに学びます。
ローカルプランナーは、人間の運転の好みを学ぶために必要な現実世界のデータを大幅に削減します。
これにより、プランナーは、手動で微調整する必要なく、学習行動を実際のシナリオに適用し、オフロードの自律運転技術の迅速な調整と適応性を実証することができます。

要約(オリジナル)

In the area of autonomous driving, navigating off-road terrains presents a unique set of challenges, from unpredictable surfaces like grass and dirt to unexpected obstacles such as bushes and puddles. In this work, we present a novel learning-based local planner that addresses these challenges by directly capturing human driving nuances from real-world demonstrations using only a monocular camera. The key features of our planner are its ability to navigate in challenging off-road environments with various terrain types and its fast learning capabilities. By utilizing minimal human demonstration data (5-10 mins), it quickly learns to navigate in a wide array of off-road conditions. The local planner significantly reduces the real world data required to learn human driving preferences. This allows the planner to apply learned behaviors to real-world scenarios without the need for manual fine-tuning, demonstrating quick adjustment and adaptability in off-road autonomous driving technology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google