基于课程强化学习的最优头对头自主赛车研究
机器人学
2023-08-28 v1 人工智能
摘要
头对头自主赛车是一个具有挑战性的问题,因为车辆需要在摩擦或操控极限下运行以实现最小圈速,同时主动寻找超越/保持领先对手的策略。本工作中,我们提出一个精确建模车辆动力学的头对头赛车强化学习环境。一些先前工作尝试在复杂车辆动力学环境中直接学习策略,但未能学到最优策略。本工作中,我们提出一种基于课程学习的框架,通过从较简单的车辆模型过渡到更复杂的真实环境,来教导强化学习智能体学习更接近最优策略的策略。我们还提出一种基于控制障碍函数的安全强化学习算法,以更有效的方式强制智能体安全,同时不牺牲最优性。
引用
@article{arxiv.2308.13491,
title = {Towards Optimal Head-to-head Autonomous Racing with Curriculum Reinforcement Learning},
author = {Dvij Kalaria and Qin Lin and John M. Dolan},
journal= {arXiv preprint arXiv:2308.13491},
year = {2023}
}
备注
Submitted to MAD games IROS workshop