不确定性环境下基于强化学习的自动驾驶运动规划研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：在复杂环境中自动驾驶车辆的运动规划面临很多不确定性问题,包括人类意图不确定性、交通密度的不确定性和系统误差不确定性.如何表达驾驶环境中的不确定性以及如何处理这些不确定性是目前自动驾驶运动规划研究中亟待解决的问题.在此背景下,提出一种考虑系统误差不确定性的基于深度强化学习的运动规划方法.通过设定传感器的测速精度模拟驾驶过程中传感器误差,使构建的运动规划模型在不确定的复杂环境中,能够结合车辆的运动学模型推导出可视化轨迹.在此基础上,结合基于规则的方法对运动规划系统可视化结果进行安全修正.为验证所提出的算法,在SUMO模拟器中搭建环岛场景.实验结果表明:该方法在环岛任务中能够提高不确定环境中运动规划系统的安全性和效率.

外文标题：A deep reinforcement learning motion planning method for autonomous vehicles under uncertain environment

外文关键词：

motion planningdeep reinforcement learninguncertaintysafety

作者：

胡博、江磊、宋洁、袁春、张苏男、刘博程

展开 >

作者单位：

重庆理工大学车辆工程学院汽车零部件先进制造技术教育部重点实验室,重庆 400054

关键词：

运动规划深度强化学习不确定性安全性

基金：

国家自然科学基金重庆市教委科学技术研究计划

项目编号：

51905061KJQN202001141

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.11.001

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(21)

参考文献量2