基于分层强化学习的自动驾驶决策控制算法

摘要

针对强化学习模型在自动驾驶任务中存在收敛速度慢和应用场景单一的问题，提出了一种两层的强化学习框架来替代传统的决策层与控制层。决策层将驾驶行为分为车道保持、左变道和右变道，决策层选择对应的行为后，通过改变控制层输入的方式完成该行为。然后，结合强化学习和在线专家提出了一种训练控制层的新方法 RL＿COE。最后，在Carla中搭建了高速公路仿真环境对本文算法进行验证，并与强化学习基线算法进行比较，结果表明：该方法大大提高了算法的收敛速度和稳定性，可以更好地完成驾驶任务。

关键词

车辆工程 / 自动驾驶 / 分层强化学习 / 在线专家 / Carla