基于深度强化学习的换道决策
机器人学
2021-12-30 v1 人工智能
机器学习
摘要
由于交通环境的复杂性与易变性，自动驾驶中的决策是一个极为困难的问题。在本项目中，我们使用深度Q网络（Deep Q-Network）结合基于规则的约束来做出换道决策。通过将高层横向决策与低层基于规则的轨迹监控相结合，可获得安全高效的换道行为。在总计训练100个回合后，期望智能体能在类真实的udacity仿真器中执行恰当的换道操作。结果表明，基于规则的DQN优于DQN方法。基于规则的DQN达到了0.8的安全率与47 MPH的平均速度。
引用
@article{arxiv.2112.14705,
title = {Lane Change Decision-Making through Deep Reinforcement Learning},
author = {Mukesh Ghimire and Malobika Roy Choudhury and Guna Sekhar Sai Harsha Lagudu},
journal= {arXiv preprint arXiv:2112.14705},
year = {2021}
}
备注
6 pages