Open DeepTecher opened 5 years ago
Latent Space Reinforcement Learning for Steering Angle Prediction
团队：奥迪深度学习相关子公司AEV(Audi Electronics Venture)、慕尼黑工业大学以及加州Artisense公司 日期：2019-02-11 摘要： 最近已经证明，无模型强化学习可以成功地从原始传感器数据中学习导航策略。 在这项工作中，我们解决了在高保真模拟器中学习自主代理的驾驶策略的问题。 基于最近将深度强化学习应用于导航问题的研究，我们提出了一种模块化深度强化学习方法，用于从原始图像预测汽车的转向角。 第一模块提取图像的低维潜在语义表示。 通过强化学习训练的控制模块将潜在矢量作为输入来预测正确的转向角。 实验结果表明，我们的方法能够学习在没有任何人为控制信号的情况下操纵汽车。
作者同期其他论文： 2019-02-11 Semantic Label Reduction Techniques for Autonomous Driving ，主要介绍在无人驾驶感知上减少标签方法。对应的issus在：AutonomousVehiclePaper/issues/8 2019-02-11 ：Towards Self-Supervised High Level Sensor Fusion，主要介绍了多传感器融合的方法。对应的issues:AutonomousVehiclePaper/issues/3
Latent Space Reinforcement Learning for Steering Angle Prediction
团队：奥迪深度学习相关子公司AEV(Audi Electronics Venture)、慕尼黑工业大学以及加州Artisense公司 日期：2019-02-11 摘要： 最近已经证明，无模型强化学习可以成功地从原始传感器数据中学习导航策略。 在这项工作中，我们解决了在高保真模拟器中学习自主代理的驾驶策略的问题。 基于最近将深度强化学习应用于导航问题的研究，我们提出了一种模块化深度强化学习方法，用于从原始图像预测汽车的转向角。 第一模块提取图像的低维潜在语义表示。 通过强化学习训练的控制模块将潜在矢量作为输入来预测正确的转向角。 实验结果表明，我们的方法能够学习在没有任何人为控制信号的情况下操纵汽车。
作者同期其他论文： 2019-02-11 Semantic Label Reduction Techniques for Autonomous Driving ，主要介绍在无人驾驶感知上减少标签方法。对应的issus在：AutonomousVehiclePaper/issues/8 2019-02-11 ：Towards Self-Supervised High Level Sensor Fusion，主要介绍了多传感器融合的方法。对应的issues:AutonomousVehiclePaper/issues/3