Verhaltensklonung von Fahrern zur Routenverfolgung in autonomen Fahrzeugen durch Wissensdestillation von Aufgaben

Die Planung einer geeigneten Fahrbahn für die Routenverfolgung ist eine wichtige Funktion für das autonome Fahren. Verhaltensklonung, die automatisches Lernen und verbessern von Trajektorien ermöglicht, wurde effektiv in der Planung von Fahrtrajektorien eingesetzt. Bestehende Methoden der Verhaltensklonung basieren jedoch immer auf großen Mengen zeitaufwändiger, mühsamer und zuverlässiger Beschriftungen. Um dieses Problem anzugehen, schlägt dieses Papier eine neue off-policy Imitationslernmethode für autonomes Fahren unter Verwendung von Wissensdestillation von Aufgaben vor. Diese neuartige Methode klont das menschliche Fahrverhalten und überträgt die Fahrstrategien effektiv in Szenarien mit Domänenverschiebungen. Die Versuchsergebnisse zeigen, dass unsere Methode zu einer zufriedenstellenden Routenverfolgungsleistung in realistischen städtischen Fahrumgebungen führen kann und die Fahrstrategien in neue unbekannte Szenarien unter verschiedenen Beleuchtungs- und Wetterbedingungen für das autonome Fahren übertragen kann.