An end-to-end approach to autonomous vehicle control using deep learning

Palavras-chave: Autonomous Vehicle, Artificial Intelligence, Convolutional Neural Network, Deep Learning, Recurrent Neural Network

Resumo

O objetivo deste trabalho é desenvolver o controle de um veículo autônomo dentro do jogo Grand Theft Auto V, utilizado como ambiente de simulação. É aplicada uma abordagem end-to-end, na qual o sistema mapeia diretamente as entradas provenientes da imagem de uma câmera colocada no capô do carro e de uma sequência de valores de velocidade para três comandos de direção: ângulo do volante, pressão do pedal do acelerador e pressão do pedal do freio. O controlador desenvolvido é composto por uma rede neural convolucional e uma rede neural recorrente. A rede convolucional processa as imagens e a rede recorrente processa os dados de velocidade. São desenvolvidas duas interfaces: uma para coleta de dados de treinamento e outra para controlar o veículo dentro do ambiente de simulação. Os resultados mostram que o sistema após o treinamento é capaz de dirigir o veículo tão bem quanto um motorista humano. Isso prova que a combinação de uma rede convolucional com uma rede recorrente, utilizando uma abordagem end-to-end, é capaz de obter um bom desempenho de direção mesmo utilizando apenas imagens e valores de velocidade como dados de sensores.

Downloads

Não há dados estatísticos.
Publicado
2021-10-12
Como Citar
[1]
Novello, G., Yamamoto, H. e Cabral, E. 2021. An end-to-end approach to autonomous vehicle control using deep learning. Revista Brasileira de Computação Aplicada. 13, 3 (out. 2021), 32-41. DOI:https://doi.org/10.5335/rbca.v13i3.12135.
Seção
Artigo Original
Share |