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

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.