深度强化学习中自动驾驶车辆决策的任务迁移
人工智能
2020-10-13 v2 机器学习
摘要
知识迁移是实现自动驾驶车辆实时决策的一种有前景的思路。本文构建了一个迁移深度强化学习框架，以转换交叉口环境中的驾驶任务。无信号交叉口处的驾驶任务被建模为自动驾驶车辆的左转、右转和直行。自动驾驶自我车辆（AEV）的目标是高效率且安全地驶过交叉口情境。该目标促使所研究的车辆提高速度并避免与其他车辆碰撞。从一项驾驶任务中学得的决策策略被迁移并在另一项驾驶任务中评估。仿真结果表明，相似任务相关的决策策略是可迁移的。这表明所提出的控制框架能够减少时间消耗并实现在线部署。
引用
@article{arxiv.2009.03268,
title = {Driving Tasks Transfer in Deep Reinforcement Learning for Decision-making of Autonomous Vehicles},
author = {Hong Shu and Teng Liu and Xingyu Mu and Dongpu Cao},
journal= {arXiv preprint arXiv:2009.03268},
year = {2020}
}
备注
10 pages 12 figures