基于强化学习的无人驾驶匝道汇入模型

来源：计算机工程杂志2018年第7期北京时间：

作者：乔良,鲍泓,玄祖兴,梁军,潘峰

单位：传统的强化学习方法受离散状态空间和离散动作空间的限制,不能很好地应用于匝道汇入场景。为此,构建一种基于强化学习的无人驾驶匝道汇入模型。使用深度Q网络构建强化学习模型,依据该模型将匝道汇入问题纳入强化学习问题的范畴后进行求解。实验结果表明,该模 型可以针对不同的环境车辆速度采取不同的策略,从而提高无人驾驶在匝道汇入场景下的智能化决策水平。

摘要：传统的强化学习方法受离散状态空间和离散动作空间的限制,不能很好地应用于匝道汇入场景。为此,构建一种基于强化学习的无人驾驶匝道汇入模型。使用深度Q网络构建强化学习模型,依据该模型将匝道汇入问题纳入强化学习问题的范畴后进行求解。实验结果表明,该模 型可以针对不同的环境车辆速度采取不同的策略,从而提高无人驾驶在匝道汇入场景下的智能化决策水平。

关键词：无人驾驶,决策,匝道汇入,强化学习,深度Q网络

基金资助：国家自然科学基金“视听觉信息的认知计算”重大研究计划重点支持项目“智能车驾驶脑认知技术、平台与转化研究”(91420202);北京市教委科研计划项目(KM201811417006);英国皇家工程院牛顿基金(UK-CIAPP＼324);北京市属高校高水平教师队伍建设支持计划项目 (IDHT20170511)。