Simulation autonomer Fahrzeuge mithilfe von Verstärkungslernen für das Fahren auf Straßen mit Schlaglöchern

Wir haben die Anwendung von Verstärkungslernen (RL) Techniken vorgeschlagen, um autonomes Fahren auf straßen mit Schlaglöchern zu simulieren. Unser Ziel ist es, ein auf RL basierendes Framework zu entwickeln, das es autonomen Fahrzeugen ermöglicht, robuste Fahrverhalten zu erlernen, Straßenbedingungen effektiv wahrzunehmen und Entscheidungen zu treffen, um Schlaglöcher zu vermeiden, während ein sicheres, effizientes und komfortables Fahren aufrechterhalten wird. Die Ergebnisse der Experimente zeigen, dass der Agent seine Geschwindigkeit auf menschenähnliche Weise anpassen konnte und versuchte, Schlaglöcher so gut wie möglich zu vermeiden, indem er effizient Routen mit glatteren Oberflächen auswählte. In zukünftigen Forschungen können wir die Ergebnisse dieser Experimente auf andere Straßenarten anwenden und die Zuverlässigkeit des autonomen Fahrens durch die Verwendung genauer Straßendaten in Training und Tests verbessern.