无人驾驶-learningdrivingsimulator-geohot精选.pptx

Learning a Driving Simulator Geo Hot 摘要;;实验过程;驾驶模拟器（Driving simulator）;不;编码器降维;?转换模型（transition model）;RNN:递归神经网络 即输出再作为输入，不断训练提高优化;测试结果;只能在直道上检测，无法应用于弯道上。调整代价函数。 GAN在学习绘制弯道标示线的速度慢。学习带有汽车转向角信息的像素进行编码。;感想与总结;代码及复现过程：n464065546.shtml;问题： 1、可靠性存疑：用一个系统来试图解决所有问题，丧失了多重保障性 2、另一方面，对无监督的representation learning这里也存有疑问。这样任务无关的学习方式虽然让可以利用数据量大大上升，但是很可能会损失一些对驾驶决策很有帮助的细节特征。 3、最后一点，由于VAE本身的限制，输入图像大小被限制在了160×80这样非常低的分辨率上，这使得一些小物体变得难以辨认，会对整??系统的正确性和稳定性造成影响。综上三点考虑，我觉得这仍然是一个实验性质的尝试，离真正的实用还有相当的距离。;参考资料： /commaai/research /abs/1608.01230 /s?__biz=MzA3Mjk0OTgyMg==mid=2651123107idx=1sn=5cd0b2acc3af5a3493ee754eedb731de n464065546.shtml /2016/08/03/comma-ai-open-sources-the-data-it-used-for-its-first-successful-driverless-trips/ /ttarticle/p/show?id=2309351000224009899532103519u=1107561157m=4011230735181062cu=1107561157ru=1402400261rm=4004624081706547 /s?__biz=MzI3MTA0MTk1MA==mid=2651985655idx=2sn=b3b175e04b3484930735c91e5a8bea8d