基于深度强化学习的自动驾驶换道决策与控制
机器人学
2019-07-31 v2 机器学习
机器学习
摘要
我们应用深度 Q 网络（DQN）并在任务中考虑安全性，以决策是否执行换道操纵。此外，我们设计了两个相似的带二次逼近器的深度 Q 学习框架，用于决策如何选择合适的舒适间隙并仅跟随前车。最后，生成多项式换道轨迹，并实现纯追踪控制（Pure Pursuit Control）用于路径跟踪。我们从决策层与控制层两方面在仿真中证明了该框架的有效性。所提架构也有潜力扩展至其他自动驾驶场景。
引用
@article{arxiv.1904.10171,
title = {Driving Decision and Control for Autonomous Lane Change based on Deep Reinforcement Learning},
author = {Tianyu Shi and Pin Wang and Xuxin Cheng and Ching-Yao Chan and Ding Huang},
journal= {arXiv preprint arXiv:1904.10171},
year = {2019}
}
备注
This Paper has been submitted to ITSC 2019