基于安全混合动作强化学习的随意车道变换决策与控制
机器人学
2024-03-04 v1 机器学习
摘要
自动车道变换作为高级驾驶辅助系统的关键功能，可以提高交通效率并减少事故发生率。然而，自动驾驶车辆在复杂环境中的安全驾驶仍然具有挑战性。如何执行安全且适当的车道变换是自动驾驶领域的一个热门研究课题。目前，很少有论文考虑自动驾驶车道变换场景中强化学习的安全性。我们首次将安全混合动作强化学习引入随意车道变换，并提出了带有 PID 拉格朗日量的参数化软演员 - 评论家 (PASAC-PIDLag) 算法。此外，我们对参数化软演员 - 评论家 (PASAC)（即 PASAC-PIDLag 的不安全版本）进行了比较分析。这两种算法均用于训练自动驾驶车辆的车道变换策略，以输出离散的车道变换决策和纵向车辆加速度。我们的仿真结果表明，在每公里 15 辆车 (15 veh/km) 的交通密度下，PASAC-PIDLag 算法表现出更优越的安全性，碰撞率为 0%，优于碰撞率为 1% 的 PASAC 算法。泛化评估的结果显示，在低交通密度水平下，PASAC-PIDLag 和 PASAC 算法均能实现 0% 的碰撞率。在高交通流密度条件下，PASAC-PIDLag 算法在安全性和最优性方面均超越 PASAC。
引用
@article{arxiv.2403.00446,
title = {Safe Hybrid-Action Reinforcement Learning-Based Decision and Control for Discretionary Lane Change},
author = {Ruichen Xu and Xiao Liu and Jinming Xu and Yuan Lin},
journal= {arXiv preprint arXiv:2403.00446},
year = {2024}
}