CRLLK：面向自动驾驶车道保持的受限强化学习
机器学习
2025-03-31 v1 机器人学
摘要
自动驾驶系统中的车道保持要求针对不同目标进行场景特定的权重调优。我们将车道保持问题形式化为受限强化学习问题，其中权重系数与策略一起自动学习，从而消除场景特定调优的需求。实验结果表明，我们的方法在效率和可靠性方面均优于传统强化学习方法。此外，实际的世界演示也验证了其在实际自动驾驶中的实际价值。
引用
@article{arxiv.2503.22248,
title = {CRLLK: Constrained Reinforcement Learning for Lane Keeping in Autonomous Driving},
author = {Xinwei Gao and Arambam James Singh and Gangadhar Royyuru and Michael Yuhas and Arvind Easwaran},
journal= {arXiv preprint arXiv:2503.22248},
year = {2025}
}
备注
Accepted at AAMAS 2025 (Demonstration Track), 3 pages, 2 figures, 1 table