이 연구는 자율주행 차량의 핵심 기능인 자율 차선 변경에 초점을 맞추고 있다. 자율 차선 변경은 교통 흐름 개선, 운전자 부담 경감, 교통 사고 위험 감소에 중요한 역할을 한다. 그러나 차선 변경 시나리오의 복잡성과 불확실성으로 인해 자율 차선 변경 기능은 여전히 과제를 겪고 있다.
이 연구에서는 심층 강화 학습(DRL)과 모델 예측 제어(MPC)를 사용하여 자율 차선 변경 시뮬레이션을 수행하였다. 구체적으로 매개변수화된 소프트 액터-비평가(PASAC) 알고리즘을 사용하여 이산적 차선 변경 결정과 연속적 종방향 차량 가속도를 출력하는 DRL 기반 차선 변경 전략을 학습하였다. 또한 MPC를 사용하여 예측 차량 추종 비용이 가장 작은 차선을 기반으로 차선 선택을 수행하였다.
시뮬레이션 결과, 동일한 보상/비용 함수와 교통 흐름 하에서 MPC와 PASAC 모두 0%의 충돌률을 달성하였다. PASAC은 평균 보상/비용 및 차량 속도 측면에서 MPC와 비교할 만한 성능을 보였다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Yuan Lin,Xia... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2402.15790.pdfDeeper Inquiries