用于自动驾驶车辆高速公路决策的决斗深度 Q 网络：案例研究
人工智能
2020-07-17 v1 机器学习
摘要
本工作利用深度强化学习（DRL）优化自动驾驶车辆的高速公路决策策略。首先构建高速公路驾驶环境，其中包含自车、周围车辆与道路车道。随后，将自动车辆的超车决策问题表述为最优控制问题，并详述相关控制动作、状态变量与优化目标。最后，应用深度 Q 网络推导自车的智能驾驶策略。仿真结果表明，自车经学习与训练后能够安全高效地完成驾驶任务。
引用
@article{arxiv.2007.08343,
title = {Dueling Deep Q Network for Highway Decision Making in Autonomous Vehicles: A Case Study},
author = {Teng Liu and Xingyu Mu and Xiaolin Tang and Bing Huang and Hong Wang and Dongpu Cao},
journal= {arXiv preprint arXiv:2007.08343},
year = {2020}
}
备注
5 pages, 6 figures