Deep Reinforcement Learning With NMPC Assistance Nash Switching for Urban Autonomous Driving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Deep Deterministic Policy Gradient (DDPG) is a promising reinforcement learning technique with the potential to resolve complicated tasks and handle high-dimensional state/action spaces. However, it suffers from sample inefficiency, requiring a high number of training samples. To speed up the training, we propose <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$\epsilon$</tex-math></inline-formula> -annealing and Q-learning switching methods to aid the training of DDPG with Nonlinear Model Predictive Control (NMPC) controller to solve priority calculation and merging of autonomous vehicles at roundabouts. We further expand the Q-learning switch with double replay memory and Nash Q-value updates. The performance of these switching methods are compared to DDPG and demonstrate that Nash switch outperforms other methods. To reduce conservativeness, we test training using variable traffic density. We test three selection methods inside Q-learning and show constant threshold switch has at least ten times higher mean reward for 50 episodes training. We also compare Q-learning with NMPC and PID assistance and show that NMPC has 114% higher mean reward. We compare Q-learning switch and novel Nash switch method under noise-free and noisy input conditions to prove an increase of 35% mean reward and decrease of 4% std for Nash updates. We analyze efficacy of Q-learning and Nash switch approaches w.r.t NMPC and demonstrate comparable performance between Nash switch and NMPC. We juxtapose driving results of switch Q-learning and Nash switch with DDPG algorithm to prove Nash switch strategy has higher overall performance. Finally, we compare Nash switch’s performance with DDPG for highway merging scenario which shows 159% higher mean reward.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle