基于数字孪生的智能交叉口协同自主驾驶：多主体强化学习方法
系统与控制
2025-09-19 v1 系统与控制
摘要
无信号交叉口因复杂交通流和盲区，面临安全与效率挑战。本文提出一种基于数字孪生（DT）的协同驾驶系统，采用路侧单元（RSU）中心化架构，以提升无信号交叉口的安全性和效率。该系统利用全景鸟瞰视图（BEV）感知以消除盲区，并采用混合强化学习（RL）框架结合离线预训练与在线微调。具体而言，驾驶策略首先使用基于行为克隆（BC）的保守Q学习（CQL）在真实数据集上进行训练，然后通过带自注意力机制的多主体近端策略优化（MAPPO）进行微调，以处理动态多主体协调。RSU通过车联网（V2I）通信实时下发命令。实验结果表明，所提方法在协调最多三辆连接式自动驾驶车辆（CAV）时，故障率低于0.03%，显著优于传统方法。此外，系统在推理时间不到40毫秒的情况下表现出亚线性计算规模，且在多种无信号交叉口场景中表现出鲁棒的泛化能力，表明其在实际部署中的实用性和成熟度。
引用
@article{arxiv.2509.15099,
title = {Digital Twin-based Cooperative Autonomous Driving in Smart Intersections: A Multi-Agent Reinforcement Learning Approach},
author = {Taoyuan Yu and Kui Wang and Zongdian Li and Tao Yu and Kei Sakaguchi and Walid Saad},
journal= {arXiv preprint arXiv:2509.15099},
year = {2025}
}