基于深度强化学习的自动驾驶决策行为研究综述  

作　　者：吴思凡 段续庭[1] 周建山[1] 郭侃[1] 田大新[1] 

机构地区：[1]北京航空航天大学,北京102206

出　　处：《人工智能》2023年第5期78-92,共15页Artificial Intelligence View

基　　金：国家重点研发计划“耦合时空的车城交互关键技术研究与示范”(2022YFC3803700)。

摘　　要：决策系统是自动驾驶的重要组成部分。目前,基于传统算法的决策系统在复杂的交通场景下的应用还欠缺,而深度强化学习(DRL)方法更适合在复杂交通场景中智能地处理自动驾驶决策问题,并有效地提高自动驾驶的智能性。本文首先对自动驾驶系统进行了简要介绍;其次,介绍了强化学习的原理和DRL的典型算法,并总结了DRL在自动驾驶决策系统中的应用;最后,根据目前存在的问题,总结了DRL方法在自动驾驶决策系统中遇到的挑战,并对DRL在自动驾驶决策中的未来应用进行了展望。

关 键 词：决策系统 自动驾驶 深度强化学习(DRL) 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] U463[自动化与计算机技术—控制科学与工程]