利用深度 Q 学习学习交叉口车辆间协商行为
机器学习
2018-10-25 v1 计算机科学与博弈论
机器学习
摘要
本文研究自动驾驶车辆与其他车辆（通常为人类驾驶）在交叉口协商的问题，目标是通过学习其他车辆的典型行为来求得决策算法。车辆观测相交道路上车辆的距离与速度，并采用一种沿预定义轨迹调节自身速度以高效通过交叉口的策略。深度 Q 学习被应用于具有不同预定义驾驶行为与意图的仿真交通中。结果表明，该策略能够以 98% 的概率避免与其他车辆碰撞通过交叉口，同时不至于过于保守。此外，随时间推断信息对区分不同意图十分重要，通过比较深度循环 Q 网络 0.85% 与深度 Q 学习 1.75% 的碰撞率得以体现。
引用
@article{arxiv.1810.10469,
title = {Learning Negotiating Behavior Between Cars in Intersections using Deep Q-Learning},
author = {Tommy Tram and Anton Jansson and Robin Grönberg and Mohammad Ali and Jonas Sjöberg},
journal= {arXiv preprint arXiv:1810.10469},
year = {2018}
}
备注
6 pages, 7 figures, Accepted to IEEE International Conference on Intelligent Transportation Systems (ITSC) 2018