Towards Sim2Real Transfer of Autonomy Algorithms using AutoDRIVE Ecosystem

要約

エンジニアリング コミュニティは現在、最小限の労力でシミュレーションから現実に移行できるインテリジェント交通アルゴリズムの開発において重大な課題に直面しています。
これは、ドメイン適応手法を使用してアルゴリズムを強化するか、この目的をシームレスにサポートする最先端のツールを採用することによって実現できます。
この研究では、自動運転技術に関連するサイバー物理ソリューションの相乗的な開発、シミュレーション、展開を促進するように設計された、オープンにアクセスできるデジタル ツイン エコシステムである AutoDRIVE を紹介します。
そして、提案されたエコシステムを使用して、自律性指向のシミュレーションと現実 (sim2real) のギャップを埋めることに焦点を当てています。
この論文では、エコシステムのモデリングとシミュレーションの側面を広範囲に調査し、私たちの主張を裏付けるために、2 つの候補の自律アルゴリズムがシミュレーションから現実にうまく移行することを実証することで、その有効性を実証します。(i) 確率的ロボット工学アプローチを使用した自律駐車。
(ii) 深層模倣学習を使用した行動クローニング。
これらのケーススタディの結果は、最先端の自動運転技術を進歩させるための貴重なツールとしての AutoDRIVE の信頼性をさらに強化します。

要約(オリジナル)

The engineering community currently encounters significant challenges in the development of intelligent transportation algorithms that can be transferred from simulation to reality with minimal effort. This can be achieved by robustifying the algorithms using domain adaptation methods and/or by adopting cutting-edge tools that help support this objective seamlessly. This work presents AutoDRIVE, an openly accessible digital twin ecosystem designed to facilitate synergistic development, simulation and deployment of cyber-physical solutions pertaining to autonomous driving technology; and focuses on bridging the autonomy-oriented simulation-to-reality (sim2real) gap using the proposed ecosystem. In this paper, we extensively explore the modeling and simulation aspects of the ecosystem and substantiate its efficacy by demonstrating the successful transition of two candidate autonomy algorithms from simulation to reality to help support our claims: (i) autonomous parking using probabilistic robotics approach; (ii) behavioral cloning using deep imitation learning. The outcomes of these case studies further strengthen the credibility of AutoDRIVE as an invaluable tool for advancing the state-of-the-art in autonomous driving technology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google