百度研究人員研發新型自動調諧框架 為自動駕駛車輛更好規劃路徑

中國互聯網巨頭百度的研究人員最近開發了一個自動調整框架，該框架是專門為基于Apollo自動駕駛平臺的數據驅動自動駕駛汽車設計的。該框架發布在arXiv網站上，包括新的強化學習算法和離線訓練策略，以及自動收集和標記數據的方法。

自動駕駛運動規劃器是一種旨在為目的地設計安全舒適的路徑的系統。設計和優化這樣的系統，使其能夠在不同的駕駛條件下發揮良好的性能，是一項艱巨的任務。目前，來自世界各地幾家公司的研究人員正在努力解決這個問題。一位研究人員表示：“自動駕駛汽車的路徑規劃存在許多具有挑戰性的問題。其中一個主要挑戰是必須處理數千個不同的場景。通常，我們會定義一個獎勵/成本函數調整，它可以適應不同場景的差異。然而，這項任務非常艱巨。”總的來說，獎勵成本函數調整需要做大量的工作，而不是研究人員，它還需要在模擬和道路測試中花費大量的資源和時間。此外，隨著時間的推移，環境將發生顯著變化，駕駛條件將變得越來越復雜，調整路徑規劃器的性能將變得越來越多困難。研究人員表示：“為了系統地解決這個問題，我們在Apollo自動駕駛框架的基礎上開發了一個數據驅動的自動調諧框架。自動調諧是從人類駕駛數據中學習參數。例如，我們想從數據中了解人類駕駛者在遇到障礙物時如何平衡速度和方便駕駛。”

百度開發的自動調優框架包括一種新的強化學習算法，該算法可以從數據中學習，并隨著時間的推移提高性能。與大多數逆強化學習算法相比，該框架可以有效地應用于不同的駕駛場景。此外，該框架還包括離線訓練策略，為研究人員在公共道路上測試自動駕駛汽車之前調整參數提供了一種安全的方式。此外，它還可以收集專業司機的數據和環境信息，自動標記數據，以便通過強化學習算法分析進行分析。研究人員評估了一個路徑規劃器，并使用其框架在模擬和公共道路測試中對其進行了調整。與現有方法相比，數據驅動方法能夠更好地適應不同的駕駛場景，并在各種條件下保持良好的性能。中國互聯網巨頭百度的研究人員最近開發了一個自動調整框架，該框架是專門為基于Apollo自動駕駛平臺的數據驅動自動駕駛汽車設計的。該框架發布在arXiv網站上，包括新的強化學習算法和離線訓練策略，以及自動收集和標記數據的方法。

自動駕駛運動規劃器是一種旨在為目的地設計安全舒適的路徑的系統。設計和優化這樣的系統，使其能夠在不同的駕駛條件下發揮良好的性能，是一項艱巨的任務。目前，來自世界各地幾家公司的研究人員正在努力解決這個問題。一位研究人員表示：“自動駕駛汽車的路徑規劃存在許多具有挑戰性的問題。其中一個主要挑戰是必須處理數千個不同的場景。通常，我們會定義一個獎勵/成本函數調整，它可以適應不同場景的差異。然而，這項任務非常艱巨。”總的來說，獎勵成本函數調整需要做大量的工作，而不是研究人員，它還需要在模擬和道路測試中花費大量的資源和時間。此外，隨著時間的推移，環境將發生顯著變化，駕駛條件將變得越來越復雜，調整路徑規劃器的性能將變得越來越多困難。研究人員表示：“為了系統地解決這個問題，我們在Apollo自動駕駛框架的基礎上開發了一個數據驅動的自動調諧框架。自動調諧是從人類駕駛數據中學習參數。例如，我們想從數據中了解人類駕駛者在遇到障礙物時如何平衡速度和方便駕駛。”

eeimg/jndp/ig/20230304011312508377/2.jpg“/>

百度開發的自動調優框架包括一種新的強化學習算法，該算法可以從數據中學習，并隨著時間的推移提高性能。與大多數逆強化學習算法相比，該框架可以有效地應用于不同的駕駛場景。此外，該框架還包括離線訓練策略，為研究人員在公共道路上測試自動駕駛汽車之前調整參數提供了一種安全的方式。此外，它還可以收集專業司機的數據和環境信息，自動標記數據，以便通過強化學習算法分析進行分析。研究人員評估了一個路徑規劃器，并使用其框架在模擬和公共道路測試中對其進行了調整。與現有方法相比，數據驅動方法能夠更好地適應不同的駕駛場景，并在各種條件下保持良好的性能。

標簽：

汽車資訊熱門資訊