本文介紹一個(gè)擁有無(wú)限場(chǎng)景開(kāi)放式駕駛仿真器：PGDrive，通過(guò) Procedural Generation 技術(shù)可以生成無(wú)限多的駕駛場(chǎng)景，由香港中文大學(xué)周博磊團(tuán)隊(duì)開(kāi)發(fā)。

論文地址：https://arxiv.org/pdf/2012.13681.pdf

項(xiàng)目地址：https://decisionforce.github.io/pgdrive/

---

0. Absrtact

（這里先給出本文摘要）

在過(guò)去的幾年中，基于學(xué)習(xí)的自動(dòng)駕駛系統(tǒng)（learning-based self driving system）受到了越多越多的關(guān)注。為了保證安全性，自動(dòng)駕駛系統(tǒng)首先在模擬器中開(kāi)發(fā)和驗(yàn)證，然后再應(yīng)用到真實(shí)世界中。但是，大多數(shù)現(xiàn)有的駕駛模擬器僅包含一組固定的場(chǎng)景和數(shù)量有限的配置設(shè)置。這很容易造成系統(tǒng)的過(guò)擬合，以及缺乏對(duì)未見(jiàn)場(chǎng)景的泛化能力。

為了更好地評(píng)估和改善端到端駕駛系統(tǒng)的泛化能力，本文將介紹一個(gè)開(kāi)放、高度可配置的駕駛模擬器 PGDrive，模擬器具有procedural generation 的特征。模擬器首先通過(guò)提出的生成算法從基本blocks中采樣來(lái)生成多樣化的道路網(wǎng)絡(luò)。然后將它們轉(zhuǎn)變?yōu)榻换ナ接?xùn)練環(huán)境，在該環(huán)境中以逼真的運(yùn)動(dòng)學(xué)方法渲染車輛附近的交通流。實(shí)驗(yàn)結(jié)果證實(shí)隨著procedural generation的場(chǎng)景數(shù)量的增加，能夠提高自動(dòng)駕駛汽車在不同交通密度和道路網(wǎng)絡(luò)場(chǎng)景的泛化能力。

---

1. Introduction & Related Work

( 本文的引言部分和第二部分研究現(xiàn)狀這里就不詳細(xì)介紹了，大家可以查看原文，我在這里大致總結(jié)下。)

• Self Driving
  自動(dòng)駕駛研究可以分為兩類：模塊化（modular）和端到端（end-to-end）。在模塊化研究中，自動(dòng)駕駛系統(tǒng)由許多子系統(tǒng)組成，如感知，定位，規(guī)劃，控制，決策等。模塊化設(shè)計(jì)的優(yōu)勢(shì)是可解釋性，如果發(fā)生故障或意外行為，則可以輕松識(shí)別出發(fā)生故障的模塊。 但是，設(shè)計(jì)和維護(hù)模塊需要花費(fèi)大量的人力，并且還可能會(huì)因人工設(shè)計(jì)而導(dǎo)致系統(tǒng)內(nèi)部冗余。另一方面，一種流行的端到端方法是通過(guò)強(qiáng)化學(xué)習(xí) 駕駛汽車。近年來(lái)，強(qiáng)化學(xué)習(xí)能夠通過(guò)與環(huán)境交互來(lái)發(fā)現(xiàn)特定于任務(wù)的知識(shí)，因此大大減輕了對(duì)精心設(shè)計(jì)和領(lǐng)域知識(shí)的需求。 同時(shí)，強(qiáng)化學(xué)習(xí)主體通過(guò)對(duì)環(huán)境的探索來(lái)學(xué)習(xí)，因此其能力不限于訓(xùn)練數(shù)據(jù)。
• Driving Simulators
  這里介紹了8種常用的駕駛模擬器，CARLA，GTA V，SUMMIT，Flow，TORCS，Duckietown，Highway-env，SMARTS。它們的主要劣勢(shì)是地圖場(chǎng)景有限，不能提供多樣的訓(xùn)練場(chǎng)景來(lái)幫助自動(dòng)駕駛汽車提高泛化能力。
• Procedural Feneration
  這里介紹了過(guò)程生成技術(shù)，使用到了數(shù)據(jù)增強(qiáng)，域隨機(jī)化，GAN等技術(shù)來(lái)設(shè)計(jì)過(guò)程生成算法。
• Generalization
  這里提出強(qiáng)化學(xué)習(xí)可以解決過(guò)擬合現(xiàn)象，在本文作者中比較了SAC和PPO兩種強(qiáng)化學(xué)習(xí)算法的學(xué)習(xí)能力。

---

2. PGDrive Simulator

下表給出了PGDrive與其它駕駛模擬器的比較，可以看到，PGDrive最突出的特征是支持Procedural Generation，可以生成無(wú)限多的駕駛場(chǎng)景。

---

A. Road Blocks

如下圖所示，有7種基本道路塊（road block）：Straight，Ramp，Fork，Roundabout，Curve，T-Intersection，Intersection。 它們是基本的道路塊，可以任意組合來(lái)形成道路網(wǎng)絡(luò)。

B. Procedural Generation of Driving Scene （重點(diǎn)）

下面將介紹本文提出的Procedural Generation算法（如下圖所示）。

• 首先隨機(jī)選擇一個(gè)基本road block：$G_w$。
• 隨機(jī)旋轉(zhuǎn)所選擇的road block，判斷$G_w$和$G_{net}$之間是否能連接起來(lái)，如果成功的話，則將新塊$G_w$添加到$G_{net}$中，這里至多進(jìn)行$T$次嘗試，每個(gè)$G_{net}$包含$n$個(gè)blocks。
• 最后是對(duì)交通流進(jìn)行初始化設(shè)置，包括汽車類型，運(yùn)動(dòng)學(xué)參數(shù)，目標(biāo)速度等。
  

---

3. Experiments

Results on Generalization

論文比較了SAC和PPO兩種強(qiáng)化學(xué)習(xí)算法的泛化能力，可以看到隨著訓(xùn)練場(chǎng)景數(shù)量的增加，算法在測(cè)試集上的性能不斷提高，其中SAC算法性能優(yōu)于PPO。

最后，作者在項(xiàng)目網(wǎng)站上也給出了一個(gè)視頻demo。

Reinforcement Learning 自動(dòng)駕駛仿真

總結(jié)

以上是生活随笔為你收集整理的无限场景开放式仿真器 PGDrive：Improving the Generalization of End-to-End Driving through Procedural Generation的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。