无信号灯交叉口的自动驾驶：决策挑战与基于强化学习的解决方案综述
机器人学
2024-09-23 v1 系统与控制
系统与控制
摘要
由于处理具有高度不确定性的复杂多智能体场景存在诸多困难，无信号灯交叉口的自动驾驶仍被认为是机器学习的一项极具挑战性的应用。在这些安全关键环境中实现决策过程的自动化，需要理解与学习稳健驾驶行为相关的多个抽象层次，以使车辆能够高效导航。在这篇综述中，我们旨在探索用于决策应用的最先进技术，重点关注结合强化学习(RL)和深度学习以学习无信号灯交叉口穿越策略的算法。所综述的方案在提出的驾驶场景、对所用交叉口模型所做的假设、所应对的挑战以及所使用的学习算法方面各不相同。我们对这些技术进行了比较，以突出它们的局限性和优势。基于我们的深入调查，可以看出用于在真实世界无信号灯交叉口导航的稳健决策方案尚未被开发出来。伴随我们的分析和讨论，我们推荐了潜在的研究方向，鼓励相关研究者解决所强调的挑战。通过遵循我们的建议，可以在真实世界的无信号灯交叉口环境中训练和验证既不过度谨慎又安全且可行的决策架构。
引用
@article{arxiv.2409.13144,
title = {Autonomous Driving at Unsignalized Intersections: A Review of Decision-Making Challenges and Reinforcement Learning-Based Solutions},
author = {Mohammad Al-Sharman and Luc Edes and Bert Sun and Vishal Jayakumar and Mohamed A. Daoud and Derek Rayside and William Melek},
journal= {arXiv preprint arXiv:2409.13144},
year = {2024}
}