无人驾驶learningdrivingsimulatorgeohot_第1页
无人驾驶learningdrivingsimulatorgeohot_第2页
无人驾驶learningdrivingsimulatorgeohot_第3页
无人驾驶learningdrivingsimulatorgeohot_第4页
无人驾驶learningdrivingsimulatorgeohot_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、Learning a Driving SimulatorGeo Hot摘要摘要Comma.ai的方法：VAE(变分自动编码器) + GAN(生成式对抗网络) 核心思想：根据提供的训练数据，给定当前的状态，预测和模拟训练数据中司机的行为分段学习函数F，以便能分块对其进行debug调试。实验过程实验过程驾驶模拟器（驾驶模拟器（Driving simulator）不不编码器降维 转换模型（转换模型（transition model）RNN:递归神经网络即输出再作为输入，不断训练提高优化测试结果测试结果A图GAN网络，B图使用MSE神经网络只能在直道上检测，无法应用于弯道上。调整代价函数。GAN在学习

2、绘制弯道标示线的速度慢。学习带有汽车转向角信息的像素进行编码。感想与总结感想与总结1、自动驾驶技术可以划分为两类：1）一种是感知-决策-控制然后不断闭环，每个模块用不同的方法力争最好，很多情况下需要专家提供基于经验的规则。2）是 Geo Hot 正在采用的办法，叫做End-to-End，端到端方法，指以摄像头的原始图像作为输入，直接输出车辆的速度和方向，中间用某种数学模型来拟合逼近最优驾驶策略，目前常用的就是深度学习模型。2、目前深度学习用于自动驾驶可以大概分为两类：1）是收集驾驶数据，离线训练模型，不断逼近人类驾驶员；2）是在模拟器中，利用Q函数，不断自我决策和试错来提高驾驶技术。由于真正图片的复杂以及输出命令的连续性，使得现实世界中能够得到好结果比较困难，所以我们目前见到的很多都是在模拟器中尝试。代码及复现过程：http:/ learning这里也存有疑问。这样任务无关的学习方式虽然让可以利用数据量大大上升，但是很可能会损失一些对驾驶决策很有帮助的细节特征。3、最后一点，由于VAE本身的限制，输入图像大小被限制在了16080这样非常低的分辨率上，这使得一些小物体变得难以辨认，会对整个系统的正确性和稳定性造成影响。综上三点考虑，

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论