CRLLK: Constrained Reinforcement Learning for Lane Keeping in Autonomous Driving

要約

自律運転システムに維持するには、さまざまな目的でシナリオ固有の重量調整が必要です。
レーン維持を制約された強化学習問題として定式化します。ここでは、体重係数がポリシーとともに自動的に学習され、シナリオ固有のチューニングの必要性を排除します。
経験的に、私たちのアプローチは、効率と信頼性の従来のRLを上回っています。
さらに、実際のデモンストレーションは、現実世界の自律運転の実用的な価値を検証します。

要約(オリジナル)

Lane keeping in autonomous driving systems requires scenario-specific weight tuning for different objectives. We formulate lane-keeping as a constrained reinforcement learning problem, where weight coefficients are automatically learned along with the policy, eliminating the need for scenario-specific tuning. Empirically, our approach outperforms traditional RL in efficiency and reliability. Additionally, real-world demonstrations validate its practical value for real-world autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google