资料下载-《自动驾驶系统中的端到端学习（2020）》https://mp.weixin.qq.com/s/ttNpsn7qyVWvDMZzluU_pA

近年来，卷积神经网络显著提高了视觉感知能力。实现这一成功的两个主要因素是将简单的模块组合成复杂的网络和端到端的优化。然而，即使机器人面临着与传统计算机视觉类似的问题，但这样的成功也还没有像视觉那样彻底改变机器人，即系统的手动Pipeline设计不完善。

本文研究了将端到端学习用于自动驾驶系统这一具体的机器人应用。端到端学习可以产生合理的驾驶行为，即使在复杂的城市驾驶场景中也是如此。端到端驾驶模型中的表示学习至关重要，语义分割等辅助视觉任务可以帮助形成更具信息性的驾驶表示，尤其是在训练数据有限的情况下。简单的卷积神经网络通常只能进行反应控制，不能在特定场景中进行复杂的推理。

本文还研究了如何处理场景条件下的驾驶行为，这超出了反应控制的能力。除了端到端结构外，学习方法也发挥着关键作用。模仿学习方法会获得有意义的行为，但通常情况下，机器人无法掌握这项技能。相反，如果环境过于复杂，强化学习要么几乎不会学到任何东西，要么可以掌握其他技能。为了两全其美，本文提出了一种从演示数据和环境中学习的算法统一方法。