在导航网络中使用自主车辆的强化学习的导航轨迹

摘要

一种自主车辆包括决策器模块和耦合到解析器模块的分级器模块。决策器模块生成当前时间的轨迹决策，生成自主车辆周围的平坦空间的当前二维切片，通过在时间上向前投影平坦空间的当前二维切片来生成平坦空间的未来二维切片，并且通过堆叠当前二维切片和未来二维切片来生成三维状态空间。分级器模块基于自主车辆的最近行为来生成针对轨迹决策的奖励。解析器模块基于三维状态空间和奖励从轨迹决策中选择自主车辆的最终轨迹决策。当前二维切片包括当前自主车辆位置和当前相邻车辆位置。未来二维切片包括未来自主车辆位置和未来相邻车辆位置。