面向信号交叉口自动驾驶车辆决策与控制一体化的自学习智能方法
机器学习
2021-11-11 v2 机器人学
摘要
交叉口是自动驾驶中最复杂且事故频发的城市场景之一，在其中做出安全且计算高效的决策并非易事。当前研究主要聚焦于简化的交通条件，而忽略了混合交通流（即机动车、骑行者与行人）的存在。对于城市道路，不同参与者导致高度动态且复杂的交互，给学习智能策略带来极大困难。本文在决策与控制一体化（IDC）框架下提出动态置换状态表示，以处理含混合交通流的信号交叉口。具体而言，该表示引入编码函数与求和算子，从环境观测中构建驾驶状态，能够处理不同类型及数量可变交通参与者。我们建立了一个约束最优控制问题，其目标函数包含跟踪性能，并分别为不同参与者与信号灯设计约束以保证安全。我们通过离线优化编码函数、值函数与策略函数求解该问题，其中编码函数给出合理的状态表示，并作为策略与值函数的输入。设计了一种离策略训练以复用驾驶环境观测，并利用时间反向传播联合更新策略函数与编码函数。验证结果表明，动态置换状态表示能大幅提升IDC的驾驶性能，包括舒适性、决策合规性与安全性。训练所得的驾驶策略可在复杂交叉口实现高效平顺通行，同时保证驾驶智能性与安全性。
引用
@article{arxiv.2110.12359,
title = {Self-learned Intelligence for Integrated Decision and Control of Automated Vehicles at Signalized Intersections},
author = {Yangang Ren and Jianhua Jiang and Dongjie Yu and Shengbo Eben Li and Jingliang Duan and Chen Chen and Keqiang Li},
journal= {arXiv preprint arXiv:2110.12359},
year = {2021}
}