基于类人行为表征的场景可迁移决策控制方法

作     者：王昊阳 吕超 党睿娜 尹俭芳 孟静 龚乘 WANG Haoyang;LÜChao;DANG Ruina;YIN Jianfang;MENG Jing;GONG Cheng

作者机构：北京理工大学机械与车辆学院北京100081 中兵智能创新研究院有限公司北京100072 群体协同与自主实验室北京100072 

出 版 物：《北京理工大学学报》 (Transactions of Beijing Institute of Technology)

年 卷 期：2024年第44卷第8期

页      面：801-808页

核心收录：

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：科技创新2030—“新一代人工智能”重大项目(2022ZD0115503) 国家自然科学基金资助项目(52372405) 

主　　题：智能车辆 决策控制 场景迁移 行为表征 强化学习 

摘      要：为提升智能车对不同驾驶场景的适应能力和在复杂场景下的决策控制性能,提出了一种基于类人行为表征的智能车场景可迁移决策控制方法.该方法在人类驾驶数据采集的基础上进行类人行为表征与决策基元提取,采用强化学习方法构建决策控制模型,完成在复杂驾驶场景下的决策基元选取与场景通行.进一步从决策基元迁移和决策基元组合优化迁移两个维度构建决策控制迁移模型,并在仿真环境下对算法和模型进行了试验验证.结果表明,所提出的智能车场景可迁移决策控制方法能够实现在同类场景下的通行效率提升,提升百分比达到21.9%;在异类场景之间迁移的任务完成率达到97.5%.