基于深度强化学习的自主制动系统
人工智能
2017-04-25 v2
摘要
本文提出一种基于深度强化学习的新型自主制动系统。所提出的自主制动系统在面临碰撞风险时，利用传感器获得的障碍物信息，在每一个时间步自动决定是否施加制动。制动控制的设计问题被表述为在马尔可夫决策过程（MDP）模型中搜索最优策略，其中状态由障碍物的相对位置和车辆速度给出，动作空间定义为是否踩下制动。用于制动控制的策略通过使用称为深度 Q 网络（DQN）的深度强化学习方法进行计算机仿真学习。为了推导理想的制动策略，我们提出了一种奖励函数，该函数平衡了事故发生时对障碍物造成的损害与车辆尽快脱离风险时所获得的奖励。DQN 针对车辆遇到行人穿越城市道路的场景进行训练。实验表明，控制智能体表现出理想的控制行为，并在各种不确定环境中毫无失误地避免碰撞。
引用
@article{arxiv.1702.02302,
title = {Autonomous Braking System via Deep Reinforcement Learning},
author = {Hyunmin Chae and Chang Mook Kang and ByeoungDo Kim and Jaekyum Kim and Chung Choo Chung and Jun Won Choi},
journal= {arXiv preprint arXiv:1702.02302},
year = {2017}
}