無人駕駛-learning driving simulator-geohot_第1頁
無人駕駛-learning driving simulator-geohot_第2頁
無人駕駛-learning driving simulator-geohot_第3頁
無人駕駛-learning driving simulator-geohot_第4頁
無人駕駛-learning driving simulator-geohot_第5頁
已閱讀5頁，還剩15頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、Learning a Driving SimulatorGeo Hot摘要摘要Comma.ai的方法：VAE(變分自動編碼器) + GAN(生成式對抗網絡) 核心思想：根據提供的訓練數據，給定當前的狀態(tài)，預測和模擬訓練數據中司機的行為分段學習函數F，以便能分塊對其進行debug調試。實驗過程實驗過程駕駛模擬器（駕駛模擬器（Driving simulator）不不編碼器降維 轉換模型（轉換模型（transition model）RNN:遞歸神經網絡即輸出再作為輸入，不斷訓練提高優(yōu)化測試結果測試結果A圖GAN網絡，B圖使用MSE神經網絡只能在直道上檢測，無法應用于彎道上。調整代價函數。GAN在學習

2、繪制彎道標示線的速度慢。學習帶有汽車轉向角信息的像素進行編碼。感想與總結感想與總結1、自動駕駛技術可以劃分為兩類：1）一種是感知-決策-控制然后不斷閉環(huán)，每個模塊用不同的方法力爭最好，很多情況下需要專家提供基于經驗的規(guī)則。2）是 Geo Hot 正在采用的辦法，叫做End-to-End，端到端方法，指以攝像頭的原始圖像作為輸入，直接輸出車輛的速度和方向，中間用某種數學模型來擬合逼近最優(yōu)駕駛策略，目前常用的就是深度學習模型。2、目前深度學習用于自動駕駛可以大概分為兩類：1）是收集駕駛數據，離線訓練模型，不斷逼近人類駕駛員；2）是在模擬器中，利用Q函數，不斷自我決策和試錯來提高駕駛技術。由于真正圖片的復雜以及輸出命令的連續(xù)性，使得現實世界中能夠得到好結果比較困難，所以我們目前見到的很多都是在模擬器中嘗試。代碼及復現過程：http:/ learning這里也存有疑問。這樣任務無關的學習方式雖然讓可以利用數據量大大上升，但是很可能會損失一些對駕駛決策很有幫助的細節(jié)特征。3、最后一點，由于VAE本身的限制，輸入圖像大小被限制在了16080這樣非常低的分辨率上，這使得一些小物體變得難以辨認，會對整個系統(tǒng)的正確性和穩(wěn)定性造成影響。綜上三點考慮，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論