基于参数化软演员-评论家混合动作空间的自主换道决策与控制
机器人学
2024-04-02 v2 系统与控制
系统与控制
摘要
本研究聚焦于自动驾驶领域的一个关键任务——自主换道。自主换道在改善交通流、减轻驾驶员负担和降低交通事故风险方面发挥着关键作用。然而，由于换道场景的复杂性和不确定性，自主换道的功能仍然面临挑战。在本研究中，我们使用深度强化学习（DRL）和模型预测控制（MPC）进行了自主换道仿真。具体来说，我们使用参数化软演员-评论家（PASAC）算法训练基于DRL的换道策略，以输出离散的换道决策和连续的纵向车辆加速度。我们还使用MPC基于不同车道的最小预测跟车成本进行车道选择。我们首次比较了DRL和MPC在换道决策背景下的性能。仿真结果表明，在相同的奖励/成本函数和交通流下，MPC和PASAC都实现了0%的碰撞率。PASAC在平均奖励/成本和车辆速度方面表现出与MPC相当的性能。
引用
@article{arxiv.2402.15790,
title = {Discretionary Lane-Change Decision and Control via Parameterized Soft Actor-Critic for Hybrid Action Space},
author = {Yuan Lin and Xiao Liu and Zishun Zheng},
journal= {arXiv preprint arXiv:2402.15790},
year = {2024}
}