数据轻型逆强化学习用于跨文化自动驾驶车部署
机器学习
2025-04-21 v2 机器人学
摘要
除了遵守特定交通法规外，驾驶文化还涉及更隐含的部分——一种不正式的、约定的、集体性的行为模式，驾驶员遵循其模式在不同国家、地区乃至城市之间存在差异。如今，这种文化差异已成为跨地区部署自动驾驶车（AVs）的最大挑战之一。当前数据驱动方法的出现显示，通过从数据中学习来实现文化兼容驾驶具有潜在解决方案，但如果某些发展不足的地区无法提供足够的本地数据来通知驾驶文化呢？这一问题在寻求更广泛全球AV市场时尤为重要。本文提出了一种名为数据轻型逆强化学习的跨文化部署方案，用于重新校准特定文化的AV并将其融入其他文化。首先，我们通过对来自三国（德国、中国和美国）的高速公路自然驾驶数据集进行全面比较分析，报告了驾驶文化的差异。随后，我们通过测试在这三个国家之间进行跨文化部署，累计测试里程超过56084公里，展示了该方案的有效性。特别是在没有丰富本地数据的条件下进行跨文化部署时，表现尤为突出。结果表明，我们可在最佳情况下将对本地数据的依赖降低98.67%。本研究旨在为更广泛、更公平的全球AV市场带来希望，尤其是那些缺乏足够本地数据来开发与文化兼容的AV的地区。
引用
@article{arxiv.2504.11506,
title = {Cross-cultural Deployment of Autonomous Vehicles Using Data-light Inverse Reinforcement Learning},
author = {Hongliang Lu and Shuqi Shen and Junjie Yang and Chao Lu and Xinhu Zheng and Hai Yang},
journal= {arXiv preprint arXiv:2504.11506},
year = {2025}
}