无信号交叉口处自动驾驶车辆的安全深度Q网络
机器人学
2021-06-09 v1 人工智能
机器学习
摘要
我们提出了一种安全深度强化学习（DRL）方法，用于自动驾驶车辆（AV）在无信号交叉口左转时穿越行人密集区域。我们的方法使用两个长短期记忆（LSTM）模型，经训练用于在给定的含噪运动观测下生成环境感知状态及行人的未来轨迹。基于自车与行人未来轨迹的碰撞预测算法用于在系统预测到碰撞时屏蔽不安全动作。我们借助高保真CARLA仿真环境通过两个实验评估了方法的性能。第一个实验在与训练交叉口相似的交叉口上测试方法性能，第二个实验在不同拓扑结构的交叉口上测试。两个实验中，我们的方法均未发生与行人的碰撞，同时仍以合理速度完成交叉口导航。
引用
@article{arxiv.2106.04561,
title = {Safe Deep Q-Network for Autonomous Vehicles at Unsignalized Intersection},
author = {Kasra Mokhtari and Alan R. Wagner},
journal= {arXiv preprint arXiv:2106.04561},
year = {2021}
}
备注
11 pages, 6 figures, 5 Tables. arXiv admin note: text overlap with arXiv:2105.00153