高速公路交通中卡车高效战术决策的多目标强化学习

新的多目标强化学习框架提升高速公路卡车的决策能力

最近在多目标强化学习方面的进展提出了一种新框架，旨在优化高速公路交通中重型卡车的决策能力。这种方法解决了安全性、能源效率和运营成本之间的平衡，这对自动驾驶车辆构成了挑战。

研究人员开发了一种基于近端策略优化（PPO）的系统，该系统生成一系列连续的策略，代表了竞争目标之间的权衡。该框架已在一个可扩展的仿真平台上进行了测试，展示了其在实际应用中的潜力。

框架的关键特性

所提出的框架侧重于三个主要目标：

• 安全性：通过碰撞频率和成功驾驶任务的数量来衡量。
• 能源效率：通过在操作中产生的能源成本来评估。
• 时间效率：根据与驾驶员时间相关的成本进行评估。

这种方法产生了一个平滑且可解释的帕累托前沿，允许根据冲突目标之间的不同优先级进行灵活的决策。

对自动驾驶卡车的影响

该框架对自动驾驶卡车的影响显著，提升了自动重型车辆部署的运营效率和安全性。