基于深度强化学习的智能环岛汇入
机器学习
2021-04-29 v3 人工智能
多智能体系统
机器人学
摘要
自动驾驶研究中的一个重要课题是机动规划系统的开发。车辆必须相互交互与协商，从而做出在时间与安全性方面最优的选择。为此，我们提出一个能够进行繁忙环岛汇入协商的机动规划模块。该模块基于一个神经网络，训练用于在整个机动过程中预测何时以及如何进入环岛。我们的模型采用一种新颖的 A3C 实现（称之为 Delayed A3C，D-A3C）在合成环境中训练，其中车辆以具备交互能力的逼真方式运动。此外，系统被训练为使智能体具有独特的可调行为，以模拟现实场景中驾驶员拥有各自驾驶风格的情景。类似地，该机动可使用不同的攻击性水平执行，这对于管理保守的基于规则策略会导致无限等待的繁忙场景尤为有用。
引用
@article{arxiv.2001.00786,
title = {Intelligent Roundabout Insertion using Deep Reinforcement Learning},
author = {Alessandro Paolo Capasso and Giulio Bacchiani and Daniele Molinari},
journal= {arXiv preprint arXiv:2001.00786},
year = {2021}
}