用于密集车流中路口导航的多任务安全强化学习
机器人学
2022-02-22 v1 人工智能
摘要
包括无保护左转、右转与直行在内的多任务路口导航在密集车流中对于自动驾驶仍是一项挑战性任务。对于人类驾驶员而言，与其他交互车辆的协商技巧是保障安全性与效率的关键。然而，对于多任务路口导航，自动驾驶车辆难以平衡安全性与效率。本文中，我们构建了带有社会注意力的多任务安全强化学习，以在与其它交通参与者交互时提升安全性与效率。具体而言，社会注意力模块用于聚焦于协商车辆的状态。此外，在多任务强化学习框架中加入了安全层以保障安全协商。我们在具有丰富车流的仿真器 SUMO 与具有高保真车辆模型的 CARLA 中进行了对比实验，两者均表明所提算法能在保持交通效率一致的同时提升多任务路口导航的安全性。
引用
@article{arxiv.2202.09644,
title = {Multi-task Safe Reinforcement Learning for Navigating Intersections in Dense Traffic},
author = {Yuqi Liu and Qichao Zhang and Dongbin Zhao},
journal= {arXiv preprint arXiv:2202.09644},
year = {2022}
}