基于CARLA仿真器真实人类驾驶经验的改进DDPG跟车模型
机器人学
2023-04-14 v4 人工智能
机器学习
摘要
在自动驾驶领域，将人类知识融入深度强化学习(DRL)通常基于在仿真环境中记录的人类示范。这限制了在真实交通中的泛化与应用可行性。我们提出一种两阶段DRL方法来训练跟车智能体，其通过利用真实世界人类驾驶经验来修正策略，并取得优于纯DRL智能体的性能。DRL智能体的训练在带有机器人操作系统(ROS)的CARLA框架内完成。为评估，我们设计了不同驾驶场景来将所提出的两阶段DRL跟车智能体与其他智能体比较。在从人类驾驶员中提取“好”行为后，该智能体变得更高效且更合理，使该自动驾驶智能体更适用于人机交互(HRI)交通。
引用
@article{arxiv.2112.14602,
title = {Modified DDPG car-following model with a real-world human driving experience with CARLA simulator},
author = {Dianzhao Li and Ostap Okhrin},
journal= {arXiv preprint arXiv:2112.14602},
year = {2023}
}