融合Transformer与SAC算法的无人车视觉导航模型

摘要

为应对真实环境中自主导航任务面临的高感知力和安全性需求，提出了一种融合Transformer与SAC算法的无人车视觉导航模型。该模型利用Vision Transformer(ViT)网络提取图像特征，作为强化学习算法的状态输入，以此来提高无人车在动态环境中的感知能力。为应对视觉传感器故障导致的安全性问题，预训练雷达策略作为决策过程中的低计算成本应急备选方案。在Gazebo中进行仿真实验，结果表明，融合Vision Transformer训练的视觉导航策略收敛速度更快且成功率更高；在传感器突发故障时，各模态策略能够协调配合，保证导航的鲁棒性；所训练的模型能在不同环境中展现出良好的适应性。

关键词

深度强化学习 / Vision Transformer / 自主导航 / Gazebo仿真

基金资助

航空科学基金资助项目(2024Z071108001); 中央高校业务费资助项目(B240203012)