Enhancing Safety for Autonomous Agents in Partly Concealed Urban Traffic Environments Through Representation-Based Shielding

要約

都市環境における信号のない交差点をナビゲートすることは、自動運転車にとって複雑な課題であり、視界の障害、予測不可能な横断歩道、多様な交通参加者などの問題により、衝突防止に大きな焦点を当てる必要がある。本論文では、強化学習（RL）エージェントのための、自律エージェントが知覚可能な情報を中心とした新しい状態表現を提案し、未知の道路地図の安全なナビゲーションを可能にする。我々のアプローチは、安全性とエネルギー消費の指標において、いくつかのベースラインモデルを大幅に上回る。これらの改善は、競争力のある平均移動速度を維持しながら達成される。我々の発見は、よりロバストで信頼性の高い自律的ナビゲーション戦略への道を開き、より安全で効率的な都市交通環境を約束するものである。

要約(オリジナル)

Navigating unsignalized intersections in urban environments poses a complex challenge for self-driving vehicles, where issues such as view obstructions, unpredictable pedestrian crossings, and diverse traffic participants demand a great focus on crash prevention. In this paper, we propose a novel state representation for Reinforcement Learning (RL) agents centered around the information perceivable by an autonomous agent, enabling the safe navigation of previously uncharted road maps. Our approach surpasses several baseline models by a sig nificant margin in terms of safety and energy consumption metrics. These improvements are achieved while maintaining a competitive average travel speed. Our findings pave the way for more robust and reliable autonomous navigation strategies, promising safer and more efficient urban traffic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL