高速公路上自动驾驶车辆的决策：具有连续动作域的深度强化学习
人工智能
2023-09-26 v3 机器学习
摘要
自动驾驶车辆的决策策略描述了一系列驾驶操纵以实现特定导航任务。本文利用深度强化学习（DRL）方法解决高速公路上的连续域决策问题。首先，介绍了自由流上的车辆运动学与驾驶场景。自车自动驾驶器的运行目标是在无碰撞情况下执行高效平滑的策略。随后，阐述了名为近端策略优化（PPO）增强 DRL 的具体算法。为克服训练效率低与样本效率差的挑战，该应用算法可实现高学习效率和优异控制性能。最后，从最优性、学习效率和适应性等多角度评估了基于 PPO-DRL 的决策策略，并通过将其应用于相似驾驶场景讨论了其在线应用的潜力。
引用
@article{arxiv.2008.11852,
title = {Decision-making for Autonomous Vehicles on Highway: Deep Reinforcement Learning with Continuous Action Horizon},
author = {Hao Chen and Xiaolin Tang and Teng Liu},
journal= {arXiv preprint arXiv:2008.11852},
year = {2023}
}
备注
9 pages, 10 figures