Deploying Traffic Smoothing Cruise Controllers Learned from Trajectory Data
Deploying Traffic Smoothing Cruise Controllers Learned from Trajectory Data
复制标题
部署从轨迹数据中学习的交通平滑巡航控制器
DOI：
10.1109/icra46639.2022.9811912
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Bayen, Alexandre M.
中科院分区：
文献类型：
--
作者：
Lichtle, Nathan;Vinitsky, Eugene;Nice, Matthew;Seibold, Benjamin;Work, Dan;Bayen, Alexandre M.
由于校准多代理交通模拟器的挑战，基于自主车辆的交通平滑控制器通常不会转移到现实世界中使用。我们展示了一个管道，通过收集轨迹数据和直接从轨迹数据中学习控制器，然后将其部署到高速公路上，从而避免了这种校准问题。我们构建了一个数据集的772.3公里的记录驱动器上的I-24。然后，我们构建了一个简单的模拟器，使用记录的驱动器作为在一个模拟的排，包括一个自动驾驶汽车和五个人类追随者前面的领先车辆。使用政策梯度方法与非对称的评论家学习控制器，我们表明，我们能够提高平均MPG的11%，在模拟拥挤的轨迹。我们部署此控制器的混合排4自主丰田RAV-4的和7个人类司机在验证实验中，并证明了预期的时间间隔的控制器保持在真实的世界测试。最后，我们在https://github.com/nathanlct/trajectory-training-icra上发布了驾驶数据集[1]，模拟器和经过训练的控制器。
Autonomous vehicle-based traffic smoothing con-trollers are often not transferred to real-world use due to challenges in calibrating many-agent traffic simulators. We show a pipeline to sidestep such calibration issues by collecting trajectory data and learning controllers directly from trajectory data that are then deployed zero-shot onto the highway. We construct a dataset of 772.3 kilometers of recorded drives on the I–24. We then construct a simple simulator using the recorded drives as the lead vehicle in front of a simulated platoon consisting of one autonomous vehicle and five human followers. Using policy-gradient methods with an asymmetric critic to learn the controller, we show that we are able to improve average MPG by 11% in simulation on congested trajectories. We deploy this controller to a mixed platoon of 4 autonomous Toyota RAV-4's and 7 human drivers in a validation experiment and demonstrate that the expected time-gap of the controller is maintained in the real world test. Finally, we release the driving dataset [1], the simulator, and the trained controller at https://github.com/nathanlct/trajectory-training-icra.
登录
查看更多内容
DOI：
10.1016/j.trc.2018.02.005
发表时间：
2018-04-01
影响因子：
8.3
作者：
Stern, Raphael E.;Cui, Shumo;Work, Daniel B.
通讯作者：
Work, Daniel B.
DOI：
10.5555/3463952.3464002
发表时间：
2021-02
期刊：
ArXiv
影响因子：
--
作者：
Jiaxu Cui;William Macke;Harel Yedidsion;Aastha Goyal;Daniel Urielli;P. Stone
通讯作者：
Jiaxu Cui;William Macke;Harel Yedidsion;Aastha Goyal;Daniel Urielli;P. Stone
FollowerStopper的可达性分析：安全性分析和实验结果
DOI：
10.1109/icra48506.2021.9561360
发表时间：
2021
期刊：
2021 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
Fang;Marsalis T. Gibson;R. Bhadani;A. Bayen;J. Sprinkle
通讯作者：
J. Sprinkle
DOI：
--
发表时间：
2021-07
期刊：
ArXiv
影响因子：
--
作者：
Behrad Toghi;Rodolfo Valiente;Dorsa Sadigh;Ramtin Pedarsani;Y. P. Fallah
通讯作者：
Behrad Toghi;Rodolfo Valiente;Dorsa Sadigh;Ramtin Pedarsani;Y. P. Fallah
影响因子：
3.6
作者：
Liang, CY;Peng, H
通讯作者：
Peng, H