基于深度强化学习的驾驶辅助生态驾驶与换挡控制
系统与控制
2022-12-16 v1 人工智能
机器学习
系统与控制
摘要
随着减少能耗与温室气体排放需求的日益增长，生态驾驶策略在交通运输领域其他技术解决方案之外，为进一步的燃油节约提供了重要机遇。本文提出一种无模型的深度强化学习（RL）控制智能体，用于主动生态驾驶辅助，在燃油消耗与其他驾驶适应性目标之间进行权衡，并从经验中学习最优牵引扭矩与换挡策略。所提RL智能体的训练方案采用离策略 actor-critic 架构，利用多步回报迭代进行策略评估，并采用最大后验策略优化算法处理混合动作空间以进行策略改进。所提生态驾驶RL智能体在商用车跟车交通中实现，与具备完整燃油效率表知识的基线控制器相比，在最小化燃油消耗方面表现出更优性能。
引用
@article{arxiv.2212.07594,
title = {Driver Assistance Eco-driving and Transmission Control with Deep Reinforcement Learning},
author = {Lindsey Kerbel and Beshah Ayalew and Andrej Ivanco and Keith Loiselle},
journal= {arXiv preprint arXiv:2212.07594},
year = {2022}
}