MTD-GPT：一种用于无信号交叉口自动驾驶的多任务决策 GPT 模型

自动驾驶技术有望变革交通系统。然而，在无信号交叉口等复杂场景中实现安全且准确的多任务决策，对自动驾驶车辆而言仍是一项挑战。本文提出一种新方法，开发了多任务决策生成式预训练 Transformer（MTD-GPT）模型以应对该问题。利用强化学习（RL）的固有优势与生成式预训练 Transformer（GPT）精细的序列建模能力，MTD-GPT 模型旨在同时管理多项驾驶任务，如无人信号交叉口的左转、直行与右转。我们首先训练单任务 RL 专家模型，在环境中采样专家数据，随后利用混合多任务数据集进行离线 GPT 训练。该方法将自动驾驶中的多任务决策问题抽象为序列建模任务。MTD-GPT 模型在多项决策任务上进行了训练与评估，展现出优于或媲美最先进单任务决策模型的性能。