Buchumschlag

Partial End-to-end Reinforcement Learning for Robustness Against Modelling Error in Autonomous Racing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Murdoch, Andrew, Schoeman, Johannes Cornelius, Jordaan, Hendrik Willem
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Robotics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fine-tuning is Not Enough: A Parallel Framework for Collaborative Imitation and Reinforcement Learning in End-to-end Autonomous Driving
von: Lian, Zhexi, et al.
Veröffentlicht: (2026)

Learning the Subsystem of Local Planning for Autonomous Racing
von: Evans, Benjamin, et al.
Veröffentlicht: (2021)

Reward Signal Design for Autonomous Racing
von: Evans, Benjamin, et al.
Veröffentlicht: (2021)

Efficient Fusion and Task Guided Embedding for End-to-end Autonomous Driving
von: Guo, Yipin, et al.
Veröffentlicht: (2024)

AppleVLM: End-to-end Autonomous Driving with Advanced Perception and Planning-Enhanced Vision-Language Models
von: Han, Yuxuan, et al.
Veröffentlicht: (2026)

Unifying F1TENTH Autonomous Racing: Survey, Methods and Benchmarks
von: Evans, Benjamin David, et al.
Veröffentlicht: (2024)

LeAD: The LLM Enhanced Planning System Converged with End-to-end Autonomous Driving
von: Zhang, Yuhang, et al.
Veröffentlicht: (2025)

From Imitation to Exploration: End-to-end Autonomous Driving based on World Model
von: Li, Yueyuan, et al.
Veröffentlicht: (2024)

ME$^3$-BEV: Mamba-Enhanced Deep Reinforcement Learning for End-to-End Autonomous Driving with BEV-Perception
von: Lu, Siyi, et al.
Veröffentlicht: (2025)

Efficient and Generalized end-to-end Autonomous Driving System with Latent Deep Reinforcement Learning and Demonstrations
von: Tang, Zuojin, et al.
Veröffentlicht: (2024)

High-performance Racing on Unmapped Tracks using Local Maps
von: Evans, Benjamin David, et al.
Veröffentlicht: (2024)

Learning Generalizable Policy for Obstacle-Aware Autonomous Drone Racing
von: Liu, Yueqian
Veröffentlicht: (2024)

Dynamic Lookahead Distance via Reinforcement Learning-Based Pure Pursuit for Autonomous Racing
von: Elgouhary, Mohamed, et al.
Veröffentlicht: (2026)

REAP: Reinforcement-Learning End-to-End Autonomous Parking with Gaussian Splatting Simulator for Real2Sim2Real Transfer
von: Li, Changze, et al.
Veröffentlicht: (2026)

TakeAD: Preference-based Post-optimization for End-to-end Autonomous Driving with Expert Takeover Data
von: Liu, Deqing, et al.
Veröffentlicht: (2025)

LightEMMA: Lightweight End-to-End Multimodal Model for Autonomous Driving
von: Qiao, Zhijie, et al.
Veröffentlicht: (2025)

Collision Avoidance and Navigation for a Quadrotor Swarm Using End-to-end Deep Reinforcement Learning
von: Huang, Zhehui, et al.
Veröffentlicht: (2023)

End-to-End Steering for Autonomous Vehicles via Conditional Imitation Co-Learning
von: Kishky, Mahmoud M., et al.
Veröffentlicht: (2024)

Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving
von: Lin, Haohong, et al.
Veröffentlicht: (2025)

End-to-end Autonomous Driving: Challenges and Frontiers
von: Chen, Li, et al.
Veröffentlicht: (2023)

Prompting Multi-Modal Tokens to Enhance End-to-End Autonomous Driving Imitation Learning with LLMs
von: Duan, Yiqun, et al.
Veröffentlicht: (2024)

Causality-Aware End-to-End Autonomous Driving via Ego-Centric Joint Scene Modeling
von: Moon, Seokha, et al.
Veröffentlicht: (2026)

Autonomous Vehicle Controllers From End-to-End Differentiable Simulation
von: Nachkov, Asen, et al.
Veröffentlicht: (2024)

Fast and Modular Autonomy Software for Autonomous Racing Vehicles
von: Saba, Andrew, et al.
Veröffentlicht: (2024)

Multi-Step First: A Lightweight Deep Reinforcement Learning Strategy for Robust Continuous Control with Partial Observability
von: Meng, Lingheng, et al.
Veröffentlicht: (2022)

Vid2Robot: End-to-end Video-conditioned Policy Learning with Cross-Attention Transformers
von: Jain, Vidhi, et al.
Veröffentlicht: (2024)

Success in Humanoid Reinforcement Learning under Partial Observation
von: Wang, Wuhao, et al.
Veröffentlicht: (2025)

End-To-End Planning of Autonomous Driving in Industry and Academia: 2022-2023
von: Lan, Gongjin, et al.
Veröffentlicht: (2023)

Raw2Drive: Reinforcement Learning with Aligned World Models for End-to-End Autonomous Driving (in CARLA v2)
von: Yang, Zhenjie, et al.
Veröffentlicht: (2025)

Safety Implications of Explainable Artificial Intelligence in End-to-End Autonomous Driving
von: Atakishiyev, Shahin, et al.
Veröffentlicht: (2024)

FocalAD: Local Motion Planning for End-to-End Autonomous Driving
von: Sun, Bin, et al.
Veröffentlicht: (2025)

FlowDrive: Energy Flow Field for End-to-End Autonomous Driving
von: Jiang, Hao, et al.
Veröffentlicht: (2025)

Unveiling the Surprising Efficacy of Navigation Understanding in End-to-End Autonomous Driving
von: Hua, Zhihua, et al.
Veröffentlicht: (2026)

Unleashing the Potential of Diffusion Models for End-to-End Autonomous Driving
von: Zheng, Yinan, et al.
Veröffentlicht: (2026)

End-to-End Crop Row Navigation via LiDAR-Based Deep Reinforcement Learning
von: Mineiro, Ana Luiza, et al.
Veröffentlicht: (2025)

TinyLidarNet: 2D LiDAR-based End-to-End Deep Learning Model for F1TENTH Autonomous Racing
von: Zarrar, Mohammed Misbah, et al.
Veröffentlicht: (2024)

SynAD: Enhancing Real-World End-to-End Autonomous Driving Models through Synthetic Data Integration
von: Kim, Jongsuk, et al.
Veröffentlicht: (2025)

Efficient Real-World Autonomous Racing via Attenuated Residual Policy Optimization
von: Trumpp, Raphael, et al.
Veröffentlicht: (2026)

MVAdapt: Zero-Shot Multi-Vehicle Adaptation for End-to-End Autonomous Driving
von: Oh, Haesung, et al.
Veröffentlicht: (2026)

BridgeSim: Unveiling the OL-CL Gap in End-to-End Autonomous Driving
von: Zhao, Seth Z., et al.
Veröffentlicht: (2026)