基于深度强化学习的自动速度与车道变换决策
机器人学
2019-05-10 v2 人工智能
机器学习
摘要
本文介绍了一种基于深度强化学习的方法，用于自动生成通用决策函数。在仿真环境中训练了一个 Deep Q-Network 智能体，以处理卡车-挂车组合的速度与车道变换决策。在高速公路驾驶案例中，结果表明该方法生成的智能体匹配或超越了常用参考模型的性能。为了证明该方法的通用性，完全相同的算法还在有对向来车的道路超车案例中进行了训练测试。此外，本文还引入了一种将卷积神经网络应用于表示可互换对象的高级输入的新颖方法。
引用
@article{arxiv.1803.10056,
title = {Automated Speed and Lane Change Decision Making using Deep Reinforcement Learning},
author = {Carl-Johan Hoel and Krister Wolff and Leo Laine},
journal= {arXiv preprint arXiv:1803.10056},
year = {2019}
}