基于熵正则化增强的自主车决策 GPT 模型
机器人学
2024-06-21 v1
摘要
在自动驾驶车辆（AVs）领域，决策是显著影响自主导航效能的关键因素。随着该领域的发展，提升在复杂环境中决策能力的研究成为数据驱动方法中的核心议题。尽管已取得显著进展，现有基于学习的自动驾驶决策策略仍存在改进空间，尤其在政策表述和安全性保障方面。本研究将自动驾驶车辆的决策挑战置于受约束马尔可夫决策过程（CMDP）框架下，作为序列建模问题来解决。利用生成式预训练转换器（GPT），我们引入了专为 AV 设计的新型决策模型，融合熵正则化技术以增强探索并提升安全性能。广泛的实验结果表明，我们的方法在各种场景下均优于多个既有基线方法，尤其在安全性和整体效能方面表现突出。
引用
@article{arxiv.2406.13908,
title = {A Decision-Making GPT Model Augmented with Entropy Regularization for Autonomous Vehicles},
author = {Jiaqi Liu and Shiyu Fang and Xuekai Liu and Lulu Guo and Peng Hang and Jian Sun},
journal= {arXiv preprint arXiv:2406.13908},
year = {2024}
}