基于强化学习的公路自动驾驶安全决策
人工智能
2021-05-17 v1 机器学习
机器人学
摘要
本文中，我们针对多车道单智能体场景开发了自动驾驶汽车的安全决策方法。所提方法利用深度强化学习(RL)实现用于安全战术决策的高层策略。我们解决了仅在自主导航中出现的两个主要挑战。首先，所提算法确保碰撞永不发生，从而加速学习过程。其次，所提算法考虑了环境中不可观测的状态。这些状态主要由于其他智能体（如汽车与行人）的不可预测行为而出现，并使马尔可夫决策过程(MDP)在处理自主导航时出现问题。来自知名自动驾驶汽车仿真器的仿真展示了所提方法的适用性。
引用
@article{arxiv.2105.06517,
title = {Reinforcement Learning Based Safe Decision Making for Highway Autonomous Driving},
author = {Arash Mohammadhasani and Hamed Mehrivash and Alan Lynch and Zhan Shu},
journal= {arXiv preprint arXiv:2105.06517},
year = {2021}
}