日本語タイトル#
深層強化学習に基づく自動運転における対抗エージェント行動学習
英文タイトル#
Adversarial Agent Behavior Learning in Autonomous Driving Using Deep Reinforcement Learning
日本語要約#
既存の強化学習手法は、ルールベースの周囲エージェントを持つ環境でエージェントが望ましい最適行動を学習するように訓練します。 自動運転のような安全が重要なアプリケーションでは、ルールベースのエージェントを適切にモデル化することが重要です。 現在、周囲のエージェントをモデル化するために、いくつかの行動モデル化戦略と IDM モデルが使用されています。 我々は、失敗シナリオを引き起こすルールベースのエージェントの対抗行動を導出するための学習ベースの手法を提案します。 我々は、すべてのルールベースのエージェントに対して我々の対抗エージェントを評価し、累積報酬の減少を示します。
英文要約#
Existing approaches in reinforcement learning train an agent to learn desired optimal behavior in an environment with rule based surrounding agents. In safety critical applications such as autonomous driving it is crucial that the rule based agents are modelled properly. Several behavior modelling strategies and IDM models are used currently to model the surrounding agents. We present a learning based method to derive the adversarial behavior for the rule based agents to cause failure scenarios. We evaluate our adversarial agent against all the rule based agents and show the decrease in cumulative reward.
文章ページ#
深層強化学習に基づく自動運転における対抗エージェント行動学習
PDF 取得#
抖音でスキャンしてさらに素晴らしいコンテンツを見る