Sim2Real для автономного вождения с использованием скрытого пространства

В последнее время область алгоритмов автономного вождения активно развивается. Особое внимание привлекают существующие индустриальные автопилоты для езды по автомагистралям, парковки и общего движения в городе. Такие алгоритмы очень трудоемки в реализации, поддержании и адаптации. Для упрощения таких алгоритмов возможно использовать методы машинного обучения, а именно метод обработки от начала до конца. Однако и такой подход содержит трудности, такие как требование большого количества собранных данных в реальном мире. Область Sim2Real пытается разрешить эти трудности путем использования симулятора для тренировки и переноса алгоритма вождения. В этой работе я разрабатываю модель машинного обучения, которая обучается на командах управления из симулятора и тестируется в реальном мире. Я предлагаю оригинальное использование темпорального порядка для улучшения базового подхода. Я демонстрирую преимущества метода и ограничений, основанных на темпоральном порядке, на примере платформы Duckietown. В условиях экспериментов, базовая Sim2Real модель улучшает эффективность переноса в 3-4 раза относительно тривиального переноса, а добавление темпоральных ограничений – в 4-6 раз. Практическая значимость этой работы состоит в способе использования темпорального порядка, который неотделим от данных непрерывного вождения, и, как следствие, улучшения качества обученных в симуляторе моделей в реальном мире. Ключевые слова: автономное вождение, симулятор, перенос из симулятора в реальный мир, темпоральный порядок.