针对城市道路场景下端到端自动驾驶决策中前瞻性不足、复杂交互环境下安全性与通行效率难以兼顾等问题，本文提出了一种考虑未来交互的端到端强化学习决策方法：首先，将城市道路驾驶任务建模为马尔可夫决策过程，并采用软演员-评论家算法构建连续控制决策框架；其次，将鸟瞰语义分割图、自车运动学信息、参考路径点以及周围车辆未来预测轨迹共同作为状态输入，提升模型对动态交通环境的时序理解能力；进一步地，在奖励函数中引入基于预测结果的安全奖励，引导智能体提前感知潜在风险并实施主动避碰，并针对多源异构输入，设计多输入特征提取与融合网络，实现图像信息与向量信息的联合表征；最后，基于CARLA仿真平台开展对比实验与消融实验。结果表明，本文所提轨迹预测引导软演员-评论家模型在成功率、碰撞率、平均奖励和平均速度等指标上均优于对比模型，能够在复杂城市交通场景中实现更安全、更稳定且更高效的自动驾驶决策。
到第 页
友情链接
名家名篇
北京市公安局海淀分局备案号：11010802023656号
今日头条
官方微信
官方抖音
