Deep Q-Network Based Decision Making for Autonomous Driving

要約

現在、意思決定は自動運転における最大の課題の 1 つです。
このホワイト ペーパーでは、ディープ Q ネットワークと制御理論からの洞察を組み合わせることで、高速道路のシナリオで自動運転車を安全にナビゲートする方法を紹介します。
Deep Q-Network はシミュレーションでトレーニングされ、軌道プランナーに目標を提案することで中央の意思決定ユニットとして機能します。
生成された軌跡は、縦方向の動きのコントローラーと組み合わせて、車線変更操作を実行するために使用されます。
このアプローチの機能性を証明するために、2 つの異なる高速道路交通シナリオで評価されます。
さらに、さまざまな状態表現がパフォーマンスとトレーニング プロセスに与える影響が分析されます。
結果は、提案されたシステムが効率的で安全な運転行動を生み出すことができることを示しています。

要約(オリジナル)

Currently decision making is one of the biggest challenges in autonomous driving. This paper introduces a method for safely navigating an autonomous vehicle in highway scenarios by combining deep Q-Networks and insight from control theory. A Deep Q-Network is trained in simulation to serve as a central decision-making unit by proposing targets for a trajectory planner. The generated trajectories in combination with a controller for longitudinal movement are used to execute lane change maneuvers. In order to prove the functionality of this approach it is evaluated on two different highway traffic scenarios. Furthermore, the impact of different state representations on the performance and training process is analyzed. The results show that the proposed system can produce efficient and safe driving behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google