136万参数小车在CARLA里无碰撞自动驾驶数小时，还能跨城镇泛化！
Imitation Learning for Autonomous Driving in CARLA
📖 AI 总结
本研究探讨了在CARLA模拟器中，一个紧凑的多模态模仿学习策略能够从离线专家演示中获得多少闭环驾驶能力。该策略以五帧RGB图像、LiDAR、车辆遥测和车道航点历史为输入，以20Hz频率预测油门、刹车和转向。作者通过三阶段流程采集演示数据，最终采用系统化的路线生成方法枚举出生点和可行操作，并验证自动驾驶路线的完整性。训练数据集包含236,882个窗口，约3.3小时驾驶数据，来自448次采集，最终模型仅136万参数。实验结果显示，该策略能在训练路线和留出路线上实现数小时的自主驾驶且无碰撞，并定性迁移至道路几何不同的未见CARLA城镇，还观察到从大幅轨迹偏离中恢复的现象，但作者未声称在缺乏受控评估的情况下具备系统性恢复能力。研究区分了离线指标与闭环定性观察，并公开了代码、模型检查点、ONNX模型、数据样本及证据审计。
🔑 关键词速览
| Behavioral Cloning | 行为克隆，一种模仿学习方法，通过监督学习从专家演示中直接学习策略，将状态映射到动作。 |
| CARLA Simulator | CARLA模拟器，一个开源的自动驾驶仿真平台，提供逼真的城市环境和传感器模拟。 |
| Closed-loop Driving | 闭环驾驶，指策略在部署时其动作会影响后续观测，形成反馈循环，与离线开环训练不同。 |
| Multimodal Policy | 多模态策略，指利用多种传感器输入（如RGB图像、LiDAR、遥测等）进行决策的驾驶策略。 |
| ONNX Model | ONNX模型，一种开放的神经网络交换格式，便于模型在不同框架和平台间部署。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅