面向自动驾驶车辆交叉口导航的深度强化学习
机器人学
2023-10-17 v2 人工智能
机器学习
摘要
本文中，我们探讨了自动驾驶车辆（AVs）在密集交通场景下导航复杂T型交叉口所面临的挑战。强化学习算法通过使AVs能够实时做出安全高效的决策，已成为应对这些挑战的一种有前景的方法。在此，我们基于双延迟深度确定性策略梯度（TD3）强化学习算法，以较低成本单智能体方法解决高效安全导航T型交叉口的问题。我们表明，所提基于TD3的方法在CARLA仿真平台中训练与测试时，在不同交通密度下均表现出稳定收敛与改善的安全性能。结果显示，该方法使AV有效导航T型交叉口，在行程延误、碰撞最小化和总体成本方面优于先前方法。本研究为强化学习在自动驾驶中应用的日益增长的知识体系作出贡献，并凸显了单智能体、低成本方法应对更复杂驾驶场景及未来推进强化学习算法的潜力。
引用
@article{arxiv.2310.08595,
title = {Deep Reinforcement Learning for Autonomous Vehicle Intersection Navigation},
author = {Badr Ben Elallid and Hamza El Alaoui and Nabil Benamar},
journal= {arXiv preprint arXiv:2310.08595},
year = {2023}
}
备注
Accepted for publication in the 2023 International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT)