CARLAにおける自動運転のための模倣学習

- CARLAシミュレータにおける自動運転のための模倣学習（Imitation Learning）の研究。 - オフラインの専門家デモンストレーションから、コンパクトなマルチモーダルポリシーを訓練。 - ポリシーはRGB画像、LiDAR、車両テレメトリ、車線ウェイポイントの5フレーム履歴を使用し、20Hzでスロットル、ブレーキ、ステアリングを予測。 - 1.36百万パラメータのポリシーを236,882ウィンドウ（約3.3時間の運転、448キャプチャ）で訓練。 - 訓練および未見ルートで数時間自律運転し、衝突なし。異なる道路形状の未見CARLAタウンにも定性的に転移。 - コード、訓練済みチェックポイント、ONNXモデル、データサンプル、証拠監査を公開。

- 従来のBehavioral Cloningはオフラインで訓練するが、展開はクローズドループであり、各行動が次の観測に影響する。 - 本研究は、コンパクトなマルチモーダルポリシーがオフラインデモンストレーションからどの程度のクローズドループ運転能力を獲得できるかに焦点。 - 系統的なルート生成手順（スポーンポイントと可能なマヌーバを列挙し、完了したオートパイロットルートを検証）を導入。 - 訓練および未見ルートで数時間の自律運転を実現し、衝突なし。未見タウンへの定性的転移も示す。 - オフライン指標と定性的クローズドループ観察を区別して報告。

- 5フレームのRGB画像、LiDAR、車両テレメトリ、車線ウェイポイントを入力とするマルチモーダルポリシー。 - ポリシーは20Hzでスロットル、ブレーキ、ステアリングを出力。 - デモンストレーションは3段階で収集され、最終段階ではスポーンポイントと可能なマヌーバを列挙し、完了したオートパイロットルートを検証する系統的なルート生成手順を実施。 - 訓練データは236,882ウィンドウ（約3.3時間の運転、448キャプチャ）。 - ポリシーは1.36百万パラメータのコンパクトなモデル。

- 訓練および未見ルートで数時間の自律運転を実施し、衝突なしで走行。 - 異なる道路形状の未見CARLAタウンへの定性的転移を観察。 - 大きな軌道偏差からの回復も観察されたが、制御された評価なしに系統的な回復を主張しない。 - オフライン指標を報告し、測定結果と定性的クローズドループ観察を区別。 - コード、訓練済みチェックポイント、ONNXモデル、データサンプル、証拠監査を公開。

- クローズドループ運転能力の獲得量を調査するが、系統的な回復については制御された評価がないため主張しない。 - オフライン指標と定性的クローズドループ観察を区別して報告。 - 未見タウンへの転移は定性的に観察されたが、定量的評価は要旨からは不明。 - その他の議論や限界については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、Behavioral Cloning、Imitation Learning、CARLAシミュレータを用いた自動運転研究（例：CARLA Autonomous Driving Leaderboard関連）が挙げられる。 - 具体的な次に読むべき論文は要旨からは不明。