Centrala begrepp
既存の手法に比べて、SGADSは安全性を大幅に向上させ、強力な汎用性を示し、複雑な都市シナリオでの知的車両のトレーニング効率を高めます。
Sammanfattning
概要
現在の自動運転システムにおける課題として低いサンプリング効率、低い安全性、限られた汎用性、未来の運転経路の正確な予測が挙げられます。
イントロダクション
自動運転システムは高度にモジュール化された手作業設計アプローチを使用しています。
現在の意思決定システムは非学習型モデルベース方法に焦点を当てています。
問題解決
SGADSは安全制約を設計し、挙動クローン法を提案して探索プロセスを拡張します。
実験
SGADSは他の手法よりも優れたAvg DisとMax Disを示しました。特にLidar noground入力では最高値でした。
マルチプル画像入力
Lidar nogroundやDepthなど12種類の入力タイプが検証されました。
Statistik
強化学習と模倣学習に基づく既存手法よりも30倍以上効率向上