Sep, 2023

自动驾驶车辆的强化学习策略的定量与定性评估

PDF
TL;DR优化自动驾驶车辆的交通动态是至关重要的，本文通过采用强化学习算法 —— 近端策略优化（PPO），得出用于最小化交通拥堵和污染的自动驾驶车辆选择的新方法，并通过实证分析证明该方法可以降低时间和污染水平。
traffic dynamicsautonomous vehiclesoptimizationreinforcement learningtraffic jams
发现论文，激发创造
  • 通过数据正则化的自博弈强化学习实现与人类兼容的驾驶伙伴

    用 HR-PPO 多智能体算法通过自我对抗训练实现人类驾驶参考政策偏离的小惩罚，从而在模拟中培训和评估具有可扩展性的自动驾驶系统，以达到高目标实现率、低离道率和低碰撞率，并在与人类驾驶协调度方面取得显著改进。

    Mar, 2024

  • 基于邻域策略优化的拥堵高速公路交通控制学习

    本研究提出了一种基于 PPO 强化学习的延迟补偿反馈控制器，通过控制自适应巡航控制（ACC）车辆的时间间隔来稳定拥堵区域的交通流量，使用 ARZ 模型对一段高速公路上的交通流进行仿真实验，结果表明，相对于 Lyapunov 控制，PPO 控制具有更快的收敛速度和更少的控制力，在具有输入延迟的交通系统中，PPO 控制器的性能与后方补偿控制器的性能相当。然而，PPO 对参数扰动具有鲁棒性，而后方补偿控制器无法稳定其中一个参数受高斯噪声扰动的系统。

    Apr, 2022

  • 近端策略优化算法

    本研究提出了一种新的针对增强学习的策略梯度方法，称为近端策略优化 (PPO)，通过与环境的交互采样数据，并使用随机梯度上升优化 “替代” 目标函数，不同于标准的策略梯度方法，该方法可以实现多个小批量更新周期，实验结果表明 PPO 在模拟机器人运动和 Atari 视频游戏玩耍等基准任务上的表现优于其他在线策略梯度方法，同时在样本复杂度、实现简单性和时间效率等方面取得了有利的平衡。

    Jul, 2017

  • 使用课程学习和奖励工程的近端策略优化解决实际优化问题

    我们通过课程学习原则和细致的奖励工程，使用近端策略优化（PPO）智能体对一个现实世界中的高吞吐量垃圾分类设施进行训练，以达到优化操作安全、优化处理量和最小化资源使用的竞争目标，并将其逐渐应用于更加复杂的环境动力学中，同时完善奖励机制，从而提高推理时间安全性并提高垃圾分类工厂的效率。

    Apr, 2024

  • 深度强化学习控制排队网络

    本论文研究了如何将新型高级策略梯度方法运用于具有无限状态空间、无界代价和长期平均代价目标的马尔可夫决策问题，提出了一种基于距离价值函数估计的 Proximal Policy Optimization 算法，并使用方差抑制技术解决了采样带来的误差问题，试验结果表明在具有多种负载条件的系统中，该算法可以生成优于现有启发式方法的控制策略，甚至可以获得接近于最优的结果。

    Jul, 2020

  • 利用强化学习改进自主车辆与行人的交互的自适应道路配置

    该研究探讨了强化学习方法用于发展自主车辆和行人共同占用的行车道之后的实时调控，分析表明分布式强化学习算法比集中式算法在计算成本、奖励基准、最佳累计奖励、最优动作和收敛速度方面具有更好的表现，并且这项新的道路管理技术可能有助于在自主车辆时代实现流动自适应和积极便携的街道。

    Mar, 2023

  • 基于策略深度强化学习和智能路由的自主车辆交通管理

    提出了一种基于深度强化学习的信号控制系统，该系统可以根据交通状况动态调整信号并使用重新路由技术平衡道路网络上的车辆，以帮助优化交通流的管理和减少拥堵。

    Jun, 2022

  • 车辆轨迹控制的高效数据深度强化学习

    采用数据高效的深度强化学习方法研究车辆轨迹控制，发现新的模型推理方法并将动力学预测和车辆定位分离，比传统方法更高效地学习控制策略。

    Nov, 2023

  • 乐观的近端策略优化

    本研究通过提出一种基于乐观策略优化的方法（Optimistic Proximal Policy Optimization，OPPO），针对奖励稀少的领域，考虑了总收益的不确定性并在此基础上对策略进行乐观评估，从而优化自主代理的学习效果，实现了在表格任务上优于现有方法的结果。

    Jun, 2019

  • 基于邻近政策优化的深度强化学习自动换道策略

    这篇论文研究了如何利用无人驾驶中的深度强化学习技术来优化车辆变道的策略，通过使用近端策略优化来提高学习效率和性能表现，进一步验证了该策略的有效性和安全性。

    Feb, 2020