如何确保安全的控制策略？面向城市轨道交通自动驾驶的 SRL
人工智能
2024-01-09 v2
摘要
深度强化学习已逐渐在城市轨道交通自动驾驶中展现出其潜在的决策能力。然而，由于强化学习既不能保证学习过程中的安全，也不能保证执行过程中的安全，这仍是强化学习实际应用的主要障碍之一。鉴于此缺陷，在不生成避免超速操作的安全控制命令序列的情况下，将强化学习应用于安全关键的自动驾驶领域仍具挑战性。因此，本文提出一种 SSA-DRL 框架，用于城市轨道交通自动驾驶列车的安全智能控制。该框架结合线性时序逻辑、强化学习与蒙特卡洛树搜索，主要由四个模块组成：后置屏蔽、搜索树模块、DRL 框架与附加执行器。此外，框架输出可满足速度约束、调度约束并优化运营过程。最后，所提出的城市轨道交通自动驾驶决策 SSA-DRL 框架在十六个不同区间中进行评估，并通过消融实验与按计划运营方案的对比验证了其有效性。
引用
@article{arxiv.2311.14457,
title = {How to ensure a safe control strategy? Towards a SRL for urban transit autonomous operation},
author = {Zicong Zhao},
journal= {arXiv preprint arXiv:2311.14457},
year = {2024}
}