论文阅读：Model-Based Imitation Learning for Urban Driving

作者：IT小白 | 2024-08-22 04:02:41

踩

注：自学笔记，有错误的地方欢迎指正！

论文地址：Model-Based Imitation Learning for Urban Driving

1、主要工作

MILE：一种基于模型的模仿学习方法，用于共同学习世界模型和自动驾驶策略。

该方法利用3D几何作为归纳偏差①，并直接从专家演示的高分辨率视频中学习高度紧凑的潜在空间；在离线的城市驾驶数据语料库上训练，与环境没有任何的在线交互。

成果：当部署在一个全新的城镇和新的天气条件下时，MILE在CARLA模拟器上的驾驶分数比现有技术提高了31%。论文模型可以预测不同的和合理的状态和动作，并解码为鸟瞰图语义分割。

①归纳偏差(Inductive bias)可以理解为一种先验或约束，能够帮助我们在多个可能的模型中选择出一个。该模型利用3D几何形状作为归纳偏差来扩展城市环境中自动驾驶的视觉复杂性。

工作处于模仿学习、3D场景表示和世界建模的交叉点（论文中该部分介绍了模仿学习、3D场景表示、世界模型以及轨迹预测的目前工作进展）。

3.1 概率生成模型

其中， $o_{1:T}$ 为 $T$ 个视频帧序列； $a_{1:T}$ 为专家动作； $y_{1:T}$ 为地面实况鸟瞰图语义分割标签； $s_{1:T}$ 为潜变量。完整的概率模型如下：

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/IT小白/article/detail/1014614