Automatic Parameter Tuning of Self-Driving Vehicles

要約

最新の自動運転ソリューションは、最適なパフォーマンスを達成するために、さまざまな運転状況や車両タイプに合わせて調整する必要がある多数のパラメーターを備えた軌道計画および制御コンポーネントを利用しています。
この論文では、専門家のデモンストレーションに似たパラメータを自動的に調整する方法を提案します。
記録された望ましい運転行動からのコントローラーの閉ループ動作の偏差を捕捉するコスト関数を利用します。
その後、ローカル最適化手法を使用してパラメータ調整が行われます。
ケーススタディでは 3 つの最適化案が比較されており、実際の運転シナリオでの車線追従用に軌道プランナーが調整されています。
結果は、提案されたアプローチが、ノイズの多いデモンストレーション データに関してさえ、手動で調整された初期パラメータを大幅に改善することを示唆しています。

要約(オリジナル)

Modern automated driving solutions utilize trajectory planning and control components with numerous parameters that need to be tuned for different driving situations and vehicle types to achieve optimal performance. This paper proposes a method to automatically tune such parameters to resemble expert demonstrations. We utilize a cost function which captures deviations of the closed-loop operation of the controller from the recorded desired driving behavior. Parameter tuning is then accomplished by using local optimization techniques. Three optimization alternatives are compared in a case study, where a trajectory planner is tuned for lane following in a real-world driving scenario. The results suggest that the proposed approach improves manually tuned initial parameters significantly even with respect to noisy demonstration data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google