Road Hackers:自动驾驶平台

  • 数据
  • 原理
  • 开放平台

数据

10000公里数据,涉及很多数据,自定位、决策、路况分析、POI 和高精地图。一是全景图片数据,二是汽车姿态数据。 关于图片数据,地图采集车采集到的是360度全景数据,但考虑到数据量太大,本次数据集中的数据是截取正前方320*320分辨率的图片,且图片下方与车头相切。 关于汽车姿态数据,主要公开了当前行驶速度,以及行驶轨迹的曲率。速度即为当前t0时刻的数据,分Vx和Vy两个分量,分别表示向东以及向北的速度。曲率则为t0+0.125秒之后的数据。 另外,采集车的rtk-GPS轨迹精度在cm级。

原理

做法和Nvidia做的端到端是一样的。Road Hackers 基于深度神经网络,采用端到端的模式进行无人驾驶。 Road Hackers 的输入是传感器的原始数据。当前输入以图像为主,但不限于图像原始数据,也可以包含其他传感器数据比如lidar、radar等。 输出是车辆的控制决策指令,包括方向盘角度(steering)、加速(accelerating)、刹车(braking)。 连接输入输出的是深度神经网络,即通过神经网络直接生成车辆控制指令,中间没有人工(handcraft)参与的逻辑程序。

开放平台

这个平台开发了数据,有测试集,可以去刷排名了。

其实我觉得端到端的方法还是有不少问题的,没有一种硬的保障机制。其实传统的根据交通规则设计的自动驾驶的汽车,我觉得更加安全,毕竟把周围所有的障碍物都做了一个扫描。以及在计算路径的时候更加合理。

端到端的方法我觉得一方面是数据的问题,还有就是算法的问题。我觉得目前单纯使用深度学习,其实只是一种经验学习。但是路况的可能性是无法全部枚举得到。我觉得需要加些增强学习进去,我觉得深度增强学习应该是一个不错的方向。

点击这里: road hackers

你可能感兴趣的:(RL,&,DL,&,SLAM,Autonomous,Driving)