基于逆强化学习辨识随机模型预测控制车辆的感知反应驾驶风格
机器人学
2023-08-24 v1 人工智能
机器学习
摘要
自动驾驶车辆（AV）的驾驶风格指其如何行为并与其他 AV 交互。在多车自动驾驶系统中，能辨识邻近 AV 驾驶风格的 AV 可可靠评估碰撞风险并作出更合理驾驶决策。然而，尽管学界认为驾驶风格编码于 AV 轨迹中、且可用最大熵逆强化学习（ME-IRL）方法作为代价函数辨识，文献中尚未对 AV 驾驶风格给出一致定义。但既往 ME-IRL 方法的特征设计未充分纳入驾驶风格的一项重要指标，即 AV 如何对邻近 AV 作出反应。本文将该驾驶风格描述为一系加权特征的代价函数。我们设计额外新特征以捕捉 AV 的感知反应特性。随后，利用带新提特征的改进 ME-IRL 方法，从随机模型预测控制（SMPC）生成的示范轨迹中辨识驾驶风格。所提方法通过 MATLAB 仿真与现成实验验证。
引用
@article{arxiv.2308.12069,
title = {Identifying Reaction-Aware Driving Styles of Stochastic Model Predictive Controlled Vehicles by Inverse Reinforcement Learning},
author = {Ni Dang and Tao Shi and Zengjie Zhang and Wanxin Jin and Marion Leibold and Martin Buss},
journal= {arXiv preprint arXiv:2308.12069},
year = {2023}
}