1)提出一种分层的深度强化学习算法,该算法可以学习道路上的变道行为。我们的方法可以轻松扩展为在一个模型中学习多种驾驶策略。 2)开发一种注意力机制,适合通过图像学习驾驶策略。这有助于提高网络的结构性:通过更少的示例来学习更好的性能。 3)与最新的深度强化学习算法相比,讨论和分析车道变更场景下的性能。 图1...
执行安全高效的车道变更是创建全自动驾驶汽车的关键功能。最近的先进技术已经证明了使用深度强化学习的成功车道跟随行为,但很少考虑与其他车辆在道路上进行交互以改变车道的行为。本文设计了一种分层的深度强化学习(DRL)算法来学习密集交通中的车道变化行为。通过将整体行为分解为子策略,可以了解更快,更安全的车道变更动作...