基于人类示范辅助强化学习的自动驾驶车辆换道安全决策
机器人学
2022-07-08 v2 人工智能
摘要
决策对自动驾驶中的换道至关重要。强化学习（RL）算法旨在识别各种情形下行为的价值，因而成为解决决策问题的有前景途径。然而，较差的运行时安全性阻碍了基于 RL 的决策策略在复杂驾驶任务中的实际应用。为解决该问题，本文将人类示范引入基于 RL 的决策策略中。人类受试在驾驶模拟器中做出的决策被视为安全示范，存入回放缓冲区并用于增强 RL 的训练过程。建立了一个匝道出口场景中的复杂换道任务以检验所开发策略的性能。仿真结果表明人类示范能有效提升 RL 决策的安全性，且所提策略在多项驾驶性能上超越其他现有的基于学习的决策策略。
引用
@article{arxiv.2207.00448,
title = {Safe Decision-making for Lane-change of Autonomous Vehicles via Human Demonstration-aided Reinforcement Learning},
author = {Jingda Wu and Wenhui Huang and Niels de Boer and Yanghui Mo and Xiangkun He and Chen Lv},
journal= {arXiv preprint arXiv:2207.00448},
year = {2022}
}