城市环境中行人场景下基于多目标深度强化学习的导航
机器人学
2021-10-12 v1 机器学习
摘要
在存在行人等弱势道路使用者的城市自动驾驶仍然是一个具有挑战性且较少被研究的问题。本工作将城市环境中的导航建模为一个多目标强化学习问题。提出了一种阈值词典序 Q-learning 的深度学习方法变体，用于行人场景下的自主导航。该多目标 DQN 智能体在 CARLA 仿真器中开发的定制城市环境中进行训练。通过将所提方法与单目标 DQN 变体在已知与未知环境中进行比较来评估该方法。评估结果表明，所提方法在所有方面均优于单目标 DQN 变体。
引用
@article{arxiv.2110.05205,
title = {Navigation In Urban Environments Amongst Pedestrians Using Multi-Objective Deep Reinforcement Learning},
author = {Niranjan Deshpande and Dominique Vaufreydaz and Anne Spalanzani},
journal= {arXiv preprint arXiv:2110.05205},
year = {2021}
}