高密度トラヒックにおける交差点ナビゲーションのためのマルチタスク安全強化学習【JST・京大機械翻訳】

Liu Yuqi; Zhang Qichao; Zhao Dongbin

プレプリント

J-GLOBAL ID：202202205326608470 整理番号：22P0292256

高密度トラヒックにおける交差点ナビゲーションのためのマルチタスク安全強化学習【JST・京大機械翻訳】

Multi-task Safe Reinforcement Learning for Navigating Intersections in Dense Traffic

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月19日プレプリントサーバーでの情報更新日： 2022年02月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

高密度トラヒックにおいて,保護されていない回転,回転右,および直線の直行を含むマルチタスク交差ナビゲーションは,自律運転のための挑戦的なタスクである。人間運転者にとって,他の対話型車両による交渉スキルは,安全性と効率を保証するための鍵である。しかし,マルチタスク交差ナビゲーションのための自律車両の安全性と効率のバランスをとることは難しい。本論文では,他のトラヒック参加者と相互作用するときの安全と効率を改善するために,社会的注意によるマルチタスク安全強化学習を定式化した。特に,社会的注意モジュールを用いて,交渉車両の状態に焦点を当てた。さらに,安全層を,安全な交渉を保証するために,マルチタスク強化学習フレームワークに加えた。豊富な交通流とCARLAを有するシミュレータSUMOの実験を高忠実度車両モデルと比較し,提案アルゴリズムがマルチタスク交差ナビゲーションのための一貫したトラフィック効率で安全性を改善できることを示す。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る