基于安全机动目录与强化学习的安全协同自动汇入高层决策
机器人学
2021-07-16 v1 人工智能
摘要
强化学习(RL)近来被用于解决自动驾驶中极具挑战性的决策问题。然而,已有基于RL的策略的主要缺陷之一在于缺乏安全性保证,因为它们力求减少期望碰撞次数但仍容忍碰撞。本文提出一种高效的基于RL的决策流水线,用于汇入场景下的安全协同自动驾驶。RL智能体能够预测当前态势并提供高层决策,指定负责安全性的底层规划器的运行模式。为学习更具通用性的策略,我们提出了一种可扩展的汇入场景RL架构,其对环境配置的变化不敏感。根据我们的实验,所提出的RL智能体能够从车辆状态历史中高效识别协同驾驶者并生成交互式机动,从而实现更快速、更舒适的自动驾驶。同时,得益于规划器内的安全约束,所有机动均无碰撞且安全。
引用
@article{arxiv.2107.07413,
title = {High-level Decisions from a Safe Maneuver Catalog with Reinforcement Learning for Safe and Cooperative Automated Merging},
author = {Danial Kamran and Yu Ren and Martin Lauer},
journal= {arXiv preprint arXiv:2107.07413},
year = {2021}
}