通过蒙特卡洛树搜索中的强化学习加速自动泊车路径规划

在本文中，我们提出了一种将强化学习集成到蒙特卡洛树搜索中的方法，以在完全可观测环境下加速自动泊车任务的在线路径规划。高维空间下基于采样的规划方法可能计算成本高且耗时。状态评估方法通过将先验知识引入搜索步骤，使过程在实时系统中更快，因此很有用。鉴于自动泊车任务通常在复杂环境中执行，用传统的分析方法构建一个可靠且轻量级的启发式引导具有挑战性。为克服这一限制，我们在路径规划框架下提出了一种带有蒙特卡洛树搜索的强化学习流程。通过从其先前周期的结果样本中迭代学习状态的价值和最佳动作，我们能够为给定状态建模一个价值估计器和一个策略生成器。通过这样做，我们在探索与利用之间建立了一种平衡机制，在不使用人类专家驾驶员数据的情况下，加速了路径规划过程同时保持了其质量。