エンドツーエンド自律運転のタスクのための画像勾配を用いたSim2Realギャップのブリッジング【JST・京大機械翻訳】

Nair Unnikrishnan R; Sharma Sarthak; Parihar Udit Singh; Menon Midhun S; Vidapanakal Srikanth

プレプリント

J-GLOBAL ID：202202212946860800 整理番号：22P0350568

エンドツーエンド自律運転のタスクのための画像勾配を用いたSim2Realギャップのブリッジング【JST・京大機械翻訳】

Bridging Sim2Real Gap Using Image Gradients for the Task of End-to-End Autonomous Driving

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年05月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,NurIPS 2021-AWS Deepracerチャレンジに対する最初の賞解を示した。この競争において,タスクは強化学習エージェント(即ち,自律車)を訓練し,その環境との相互作用により駆動するよう学習し,与えられた状態で行動を採り,期待報酬を最大化する。次に,このモデルを小型AWS Deepracer自動車による実世界トラックで試験した。著者らの目標は,トラックをオフせずにできるだけ速くラップを完了できるモデルを訓練することである。Deepracerチャレンジは,AI駆動オリンピック(AI-DO)と呼ばれる自律車両の分野における一連の具体化された知能競争の一部である。AI-DOの全体的目的は,自律運転のタスクに適用される自律性におけるベンチマーク進展のためのアクセス可能な機構を提供することである。この課題のtrickyセクションは,学習されたスキルのsim2現実的移動であった。観測空間におけるドメインギャップを減らすために,不必要なバックグラウンド情報から外付けに加えて,キャンニーエッジ検出を行った。行動クローニングタスクとして問題をモデル化し,MLP-MIXERを用いて実行時間を最適化した。訓練データの注意深い濾過により制御雑音を扱うことができ,コマンドの50%がランダムに変化する場合でも,追跡を完了できるロバストなモデルを与えた。モデルの全体の実行時間は,現代のCPU上で2~3msであった。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

ロボットの運動・制御 , 人工知能

, , , , ,

前のページに戻る