自动驾驶汽车(AVs)正在革新交通运输领域，但交叉路口的管理仍具挑战性，易引发交通事故。目前的学习方法常忽视与人类驾驶车辆(HDVs)和行人交互的复杂性。多智能体强化学习(MARL)技术，作为模拟现实世界场景的有效工具，有望在非受控交叉口提升AV决策。研究显示，多智能体深度确定性策略梯度(MADPG)在提高安全性和舒适性方面表现出色。

在交叉口培训中引入全球视角，使AV安全性提升40%，舒适性提升20%。这种方法与强调全球经验优势的发现相符，有助于自动驾驶汽车在复杂环境中的导航，减少事故风险。全球经验加速了学习过程，确保了对不同条件和文化差异的适应。这种方法增强公众对AV的信任，实现高效、安全的交通环境。

通过应用具有全球经验的MADDPG模型，研究评估了MADLP在建模共享环境中多个代理交互的潜力，反映真实自动驾驶场景。结果显示，使用全球经验训练的AV在交叉口导航表现更佳，对5级自动驾驶的关键步骤有所贡献，即车辆在任何条件下独立管理驾驶任务。此研究推动了多智能体强化学习在AV技术中的应用讨论，并为复杂训练方法的发展提供了信息。

本文地址： http://www.goggeous.com/20250106/1/1248866

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。