基于多智能体强化学习的分布式自主交叉口管理方法
机器人学
2024-11-19 v2 人工智能
摘要
由于现实世界交通场景的复杂性以及需要一个昂贵的同时控制所有车辆的中心化服务器，自主交叉口管理（AIM）带来了重大挑战。本研究通过提出一种利用多智能体强化学习（MARL）的新型分布式 AIM 方法来解决这些问题。我们表明，通过利用用于先进辅助系统的 3D 环视技术，自动驾驶车辆无需任何中心化控制器即可准确导航通过交叉口场景。因此，本文的贡献包括一种用于 4 路交叉口自主管理的基于 MARL 的算法，以及引入一种称为优先场景回放的新策略以提高训练效率。我们验证了我们的方法作为传统中心化 AIM 技术的创新替代方案，确保了我们结果的可完全复现性。具体而言，在虚拟环境中使用 SMARTS 平台进行的实验突显了其在各项指标上相对于基准的优越性。
引用
@article{arxiv.2405.08655,
title = {A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning},
author = {Matteo Cederle and Marco Fabris and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2405.08655},
year = {2024}
}
备注
15 pages, 2 figures, submitted to Agents in Traffic and Transportation (ATT2024). Status: accepted