Racing Towards Reinforcement Learning based control of an Autonomous Formula SAE Car

要約

自律ナビゲーション研究の人気の高まりに伴い、フォーミュラ スチューデント (FS) イベントでは、イベント リストに自動運転車 (DV) カテゴリーが導入されています。
この論文では、これらの競技会における自律型 FS レースカーのエンドツーエンド制御に深層強化学習 (RL) を利用するための初期調査について説明します。
Turtlebot2 プラットフォーム上の実物大設計と同様のトラック上で、2 つの最先端の RL アルゴリズムをシミュレーションでトレーニングします。
結果は、私たちのアプローチがシミュレーションでレースを学習し、物理プラットフォーム上の現実世界のレーストラックに移行できることを示しています。
最後に、提示されたアプローチの限界についての洞察と、本格的な自律型 FS レースに向けて RL を適用するための将来の方向性へのガイダンスを提供します。

要約(オリジナル)

With the rising popularity of autonomous navigation research, Formula Student (FS) events are introducing a Driverless Vehicle (DV) category to their event list. This paper presents the initial investigation into utilising Deep Reinforcement Learning (RL) for end-to-end control of an autonomous FS race car for these competitions. We train two state-of-the-art RL algorithms in simulation on tracks analogous to the full-scale design on a Turtlebot2 platform. The results demonstrate that our approach can successfully learn to race in simulation and then transfer to a real-world racetrack on the physical platform. Finally, we provide insights into the limitations of the presented approach and guidance into the future directions for applying RL toward full-scale autonomous FS racing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google