基于混合密度网络的安全强化学习：以自动驾驶高速公路行驶为例
系统与控制
2020-11-18 v3 系统与控制
摘要
本文提出一种受益于多模态未来轨迹预测的安全强化学习系统，用于自动驾驶。我们提出一个由两部分安全组件构成的安全系统：启发式安全与基于学习的安全。启发式安全模块基于通用驾驶规则。另一方面，基于学习的安全模块是一种数据驱动的安全规则，从驾驶数据中学习安全模式。具体而言，其利用混合密度循环神经网络（MD-RNN）进行多模态未来轨迹预测，以加速学习进程。我们的仿真结果表明，所提出的安全系统在平均奖励和碰撞次数方面优于先前报道的结果。
引用
@article{arxiv.2007.01698,
title = {Safe Reinforcement Learning with Mixture Density Network: A Case Study in Autonomous Highway Driving},
author = {Ali Baheri},
journal= {arXiv preprint arXiv:2007.01698},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1910.12905