微分可能なセマンティックマッピングと計画を介した自律ナビゲーションのための逆強化学習

要旨 本論文は、距離およびセマンティックカテゴリの観察を使用した自律ナビゲーションのための逆強化学習に焦点を当てています。目的は、専門家の観察と状態制御軌跡のみに依存して、示された行動を説明するコスト関数を推測することです。観察シーケンスからセマンティックカテゴリの確率を推測するマップエンコーダと、セマンティック特徴に関する深層ニューラルネットワークとして定義されるコストエンコーダを開発します。専門家のコストは直接観察できないため、モデルパラメータは示された制御とコスト推定から計算された制御ポリシーとの間の誤差を微分することによってのみ最適化できます。クローズドフォームのサブグラディエントを使用してプロミシングな状態のサブセットの上でのみ誤差最小化を可能にする専門家行動の新しいモデルを提案します。我々のアプローチは、セマンティックカテゴリの新しい空間構成を持つ新しい環境に学習した行動を一般化することを可能にします。ミニグリッド環境におけるモデルのさまざまなコンポーネントを分析します。また、我々のアプローチが建物、歩道、道路レーンのセマンティック観察に基づいて自律運転のCARLAシミュレーターで交通ルールに従うことを学ぶことを示します。