自适应多目标强化学习的自动驾驶纵向控制

摘要

为了满足自动驾驶汽车在不同驾驶条件下的多样化性能需求，提出了一种多目标变权重的纵向控制策略。在综合考虑交通效率、安全性和舒适性等关键性能指标的基础上，构建了一个包含多目标强化学习(RL)奖励函数的控制模型。通过熵权法确定各性能指标在不同驾驶场景中的权重变化规律，并对权重分配模式进行建模。将各性能指标的权重进行规范化处理，并将其集成到纵向控制的多目标学习框架中。使用Carsim仿真软件在城市道路和高速公路场景下进行了实验验证，并将实验结果与人类驾驶数据及传统算法进行了对比分析。结果表明，所提出的算法能够在不同驾驶条件下显著提升各项性能指标，尤其在能效方面展现出了更高的优越性。

关键词

自动驾驶 / 多目标 / 变权重 / 熵权法 / 深度强化学习