Vision-based DRL Autonomous Driving Agent with Sim2Real Transfer

要約

完全自動運転を実現するには、車両は車線維持や車追従などのさまざまな運転タスクを継続的に実行できなければなりません。これらのタスクはどちらも基本的でよく研究された運転タスクです。
しかし、これまでの研究は主に個々のタスクに焦点を当てており、車の追従タスクは通常、最適なパフォーマンスを達成するために完全なリーダーとフォロワーの情報に依存していました。
この制限に対処するために、車線維持と車追従操作を同時に実行できるビジョンベースの深層強化学習 (DRL) エージェントを提案します。
DRL エージェントのパフォーマンスを評価するために、ベースライン コントローラーと比較し、定量的な分析にさまざまなパフォーマンス メトリックを使用します。
さらに、訓練された DRL エージェントの Sim2Real 転送能力を実証するために実世界の評価を実施します。
私たちの知る限り、Sim2Real 転送機能を備えたビジョンベースの車追従および車線維持エージェントは、この種のものとしては初めてのものです。

要約(オリジナル)

To achieve fully autonomous driving, vehicles must be capable of continuously performing various driving tasks, including lane keeping and car following, both of which are fundamental and well-studied driving ones. However, previous studies have mainly focused on individual tasks, and car following tasks have typically relied on complete leader-follower information to attain optimal performance. To address this limitation, we propose a vision-based deep reinforcement learning (DRL) agent that can simultaneously perform lane keeping and car following maneuvers. To evaluate the performance of our DRL agent, we compare it with a baseline controller and use various performance metrics for quantitative analysis. Furthermore, we conduct a real-world evaluation to demonstrate the Sim2Real transfer capability of the trained DRL agent. To the best of our knowledge, our vision-based car following and lane keeping agent with Sim2Real transfer capability is the first of its kind.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google