从专家偏好中学习城市空中交通相遇模型
人工智能
2019-07-15 v1
摘要
空域模型在有人驾驶与无人驾驶飞机的防撞系统开发与评估中发挥了重要作用。随着城市空中交通（UAM）系统的开发，我们需要能代表其运行环境的新相遇模型。由于缺乏 UAM 在空域中行为的数据，开发此类模型具有挑战性。先前针对其他机型的相遇模型依赖大型数据集来生成真实轨迹，本文则提出一种依赖专家知识的相遇建模方法。具体而言，我们将基于偏好的学习的最新进展加以扩展，以从专家偏好中调优相遇模型。该模型采取马尔可夫决策过程（MDP）随机策略的形式，其中的奖励函数从领域专家的两两查询中学习得到。我们评估了两种旨在最大化每次查询所获信息的查询方法的性能。最终，我们展示了一种仅需专家数分钟时间即可生成真实相遇轨迹的方法。
引用
@article{arxiv.1907.05575,
title = {Learning an Urban Air Mobility Encounter Model from Expert Preferences},
author = {Sydney M. Katz and Anne-Claire Le Bihan and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:1907.05575},
year = {2019}
}
备注
8 pages, 7 figures, submitted to 2019 Digital Avionics Systems Conference