基于深度Q网络的无信号交叉口自动驾驶车辆行人碰撞规避
机器人学
2021-05-04 v1 机器学习
摘要
先前的研究已广泛探索自动驾驶车辆（AV）在其他车辆存在下的导航，然而对于城市环境中最脆弱的行人之间的导航则较少被考察。本文探索了AV在拥挤无信号交叉口的导航。我们比较了基于我们的奖励函数和状态表示训练的不同深度强化学习方法的表现。这些方法与一个标准基于规则的方法在两方面进行了评估：一是在训练所用的无信号交叉口，二是在具有不同拓扑的未知无信号交叉口。对于两种场景，基于规则的方法实现的无碰撞回合少于40%，而我们的方法取得了约100%的表现。在所用的三种方法中，DDQN/PER优于另外两种方法，同时还展现出最小的平均交叉口穿越时间、最大的平均速度以及与最近行人的最大距离。
引用
@article{arxiv.2105.00153,
title = {Pedestrian Collision Avoidance for Autonomous Vehicles at Unsignalized Intersection Using Deep Q-Network},
author = {Kasra Mokhtari and Alan R. Wagner},
journal= {arXiv preprint arXiv:2105.00153},
year = {2021}
}
备注
8 pages, 8 figures, 6 tables