دانلود مقاله انگلیسی رایگان:ترکیب یادگیری تقویتی با کنترل کننده های مبتنی بر قانون برای تصمیم گیری شفاف و کلی در رانندگی خودمختار - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Combining reinforcement learning with rule-based controllers for transparent and general decision-making in autonomous driving Combining reinforcement learning with rule-based controllers for transparent and general decision-making in autonomous driving
    Combining reinforcement learning with rule-based controllers for transparent and general decision-making in autonomous driving

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Combining reinforcement learning with rule-based controllers for transparent and general decision-making in autonomous driving


    ترجمه فارسی عنوان مقاله:

    ترکیب یادگیری تقویتی با کنترل کننده های مبتنی بر قانون برای تصمیم گیری شفاف و کلی در رانندگی خودمختار


    منبع:

    Sciencedirect - Elsevier - Robotics and Autonomous Systems, 131 (2020) 103568. doi:10.1016/j.robot.2020.103568


    نویسنده:

    Amarildo Likmeta a,∗, Alberto Maria Metelli a, Andrea Tirinzoni a, Riccardo Giol a, Marcello Restelli a, Danilo Romano


    چکیده انگلیسی:

    The design of high-level decision-making systems is a topical problem in the field of autonomous driving. In this paper, we combine traditional rule-based strategies and reinforcement learning (RL) with the goal of achieving transparency and robustness. On the one hand, the use of handcrafted rulebased controllers allows for transparency, i.e., it is always possible to determine why a given decision was made, but they struggle to scale to complex driving scenarios, in which several objectives need to be considered. On the other hand, black-box RL approaches enable us to deal with more complex scenarios, but they are usually hardly interpretable. In this paper, we combine the best properties of these two worlds by designing parametric rule-based controllers, in which interpretable rules can be provided by domain experts and their parameters are learned via RL. After illustrating how to apply parameter-based RL methods (PGPE) to this setting, we present extensive numerical simulations in the highway and in two urban scenarios: intersection and roundabout. For each scenario, we show the formalization as an RL problem and we discuss the results of our approach in comparison with handcrafted rule-based controllers and black-box RL techniques.
    Keywords: Autonomous driving | Decision making | Interpretability | Reinforcement learning | Parameter-based exploration


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 1001 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi