偏注意力引导的风险预测用于信号灯不完整处的安全决策
人工智能
2025-10-15 v1
摘要
信号灯不完整处的自动驾驶决策由于复杂的动态相互作用和高冲突风险而具有挑战性。为实现主动安全控制，本文提出一种集成偏注意力机制的深度强化学习决策框架。该框架基于软演员-评论家（SAC）算法构建。其核心创新在于利用偏注意力构建交通风险预测器。该预测器评估进入交叉口的车辆碰撞的长期风险，并将其转化为密集奖励信号，以指导SAC智能体作出安全且高效的驾驶决策。最后，仿真结果表明，所提方法有效改善了交叉口处的交通效率和车辆安全，从而证明了该智能决策框架在复杂情景中的有效性。我们的工作代码已公开于 https://github.com/hank111525/SAC-RWB。
引用
@article{arxiv.2510.12428,
title = {Biased-Attention Guided Risk Prediction for Safe Decision-Making at Unsignalized Intersections},
author = {Chengyang Dong and Nan Guo},
journal= {arXiv preprint arXiv:2510.12428},
year = {2025}
}