面向具有社会响应性的自动驾驶车辆：一种融合驾驶先验与协调感知的强化学习框架
机器人学
2023-09-19 v1
摘要
自动驾驶车辆（AVs）与人类驾驶车辆（HVs）并存开启了混合交通流的时代，带来了一个重大挑战：这些实体在复杂驾驶环境中的复杂交互。AVs 被期望具备类人的驾驶行为，以无缝融入由人类主导的交通系统。为解决此问题，我们提出了一种考虑驾驶先验与社会协调感知（SCA）的强化学习框架，以优化 AVs 的行为。该框架集成了一个基于变分自编码器的驾驶先验学习（DPL）模型，从人类驾驶员的轨迹中推断其驾驶先验。设计了一种基于多头注意力机制的策略网络，以有效捕捉 AVs 与其他交通参与者之间的交互依赖关系，从而提升决策质量。我们探索了将 SCA 引入自动驾驶决策系统，并使用协调倾向（CT）来量化 AVs 协调交通系统的意愿。仿真结果表明，所提出的框架不仅能提升 AVs 的决策质量，还能促使它们产生社会性行为，有望为整个交通系统的安全性与通行效率带来益处。
引用
@article{arxiv.2309.09726,
title = {Towards Socially Responsive Autonomous Vehicles: A Reinforcement Learning Framework with Driving Priors and Coordination Awareness},
author = {Jiaqi Liu and Donghao Zhou and Peng Hang and Ying Ni and Jian Sun},
journal= {arXiv preprint arXiv:2309.09726},
year = {2023}
}