CLIP-RLDrive：基于 CLIP 的强化学习驱动自主驾驶奖励塑形
机器人学
2024-12-24 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
本文提出了 CLIP-RLDrive，一种新的基于强化学习 (RL) 的框架，用于改进自主车辆 (AV) 在复杂城市驾驶场景中的决策，尤其是在无信号灯交叉口。为实现这一目标，通过基于对比语言-图像预训练 (CLIP) 的奖励塑形，将 AV 的决策与人类偏好相一致。RL 方法的主要难题之一是设计合适的奖励模型，这常常因交互复杂度和驾驶情景的复杂性而难以实现。为解决此问题，本文利用视觉-语言模型 (VLM)，特别是 CLIP，构建基于视觉和文本线索的额外奖励模型。
引用
@article{arxiv.2412.16201,
title = {CLIP-RLDrive: Human-Aligned Autonomous Driving via CLIP-Based Reward Shaping in Reinforcement Learning},
author = {Erfan Doroudian and Hamid Taghavifar},
journal= {arXiv preprint arXiv:2412.16201},
year = {2024}
}