基于深度强化学习的自动驾驶车辆高速公路决策策略
信号处理
2020-07-20 v1 机器学习
机器人学
摘要
自动驾驶是一项有望减少交通事故并提升驾驶效率的技术。本工作中，为应对高速公路上的超车行为，构建了赋能深度强化学习（DRL）的自动驾驶车辆决策策略。首先，建立高速公路驾驶环境，其中自车旨在以高效且安全的机动动作穿过周围车辆。提出一种分层控制框架来控制这些车辆，即上层管理驾驶决策，下层负责车速与加速度的监控。然后，应用称为对决深度Q网络（DDQN）算法的特定DRL方法来推导高速公路决策策略。讨论并比较了深度Q网络与DDQN算法的详尽计算过程。最后，进行一系列评估仿真实验以评价所提高速公路决策策略的有效性。阐明了所提框架在收敛速率与控制性能上的优势。仿真结果表明，基于DDQN的超车策略能够高效、安全地完成高速公路驾驶任务。
引用
@article{arxiv.2007.08691,
title = {Decision-making Strategy on Highway for Autonomous Vehicles using Deep Reinforcement Learning},
author = {Jiangdong Liao and Teng Liu and Xiaolin Tang and Xingyu Mu and Bing Huang and Dongpu Cao},
journal= {arXiv preprint arXiv:2007.08691},
year = {2020}
}
备注
11 pages, 13 figures