联网环境下车辆信息物理系统的强化学习决策策略
信号处理
2020-07-20 v1 人工智能
机器学习
机器人学
摘要
作为典型的车辆信息物理系统(V-CPS),联网自动驾驶车辆近年来受到越来越多的关注。本文重点讨论联网环境下自动驾驶车辆的决策(DM)策略。首先,建立高速公路决策问题模型,其中车辆可通过无线网络交换信息。然后,利用两种经典强化学习(RL)算法——Q-learning和Dyna,在预定义驾驶场景中推导决策策略。最后,分析所得决策策略在安全性与效率方面的控制性能。此外,还体现并讨论了这些强化学习算法在决策策略中的内在差异。
引用
@article{arxiv.2007.09101,
title = {Reinforcement Learning-Enabled Decision-Making Strategies for a Vehicle-Cyber-Physical-System in Connected Environment},
author = {Teng Liu and Xiaolin Tang and Jinwei Zhang and Wenbo Li and Zejian Deng and Yalian Yang},
journal= {arXiv preprint arXiv:2007.09101},
year = {2020}
}
备注
5 pages, 6 figures