用于交通事故预测的强化学习
人工智能
2022-12-12 v1 机器学习
摘要
随着对自动驾驶需求的增长，确保安全至关重要。近期，利用深度学习方法进行驾驶安全的早期事故预测备受关注。在该任务中，以行车记录仪视频为输入，确定早期事故预测以及驾驶员应注视位置的点预测。我们首次提出将双演员与正则化评论家（DARC）方法应用于该事故预测平台。我们受DARC启发，因其目前是适用于事故预判的连续动作空间上的最先进强化学习（RL）模型。结果表明，利用DARC，我们可平均提早5%进行预测，同时在多项精度指标上优于现有方法。结果意味着使用我们基于RL的问题表述可显著提升自动驾驶安全性。
引用
@article{arxiv.2212.04677,
title = {Reinforcement Learning for Predicting Traffic Accidents},
author = {Injoon Cho and Praveen Kumar Rajendran and Taeyoung Kim and Dongsoo Har},
journal= {arXiv preprint arXiv:2212.04677},
year = {2022}
}