V2V Kooperative Wahrnehmung mittels Verstärkungslernen mit Aktionsverzweigung

Kooperative Wahrnehmung spielt eine entscheidende Rolle bei der Erweiterung des Sensorbereichs eines Fahrzeugs über die Sichtlinie hinaus. Der Austausch roher Sensordaten unter eingeschränkten Kommunikationsressourcen ist jedoch nicht praktikabel. Um eine effiziente kooperative Wahrnehmung zu ermöglichen, müssen Fahrzeuge grundlegende Fragen klären, wie: Welche Sensordaten müssen geteilt werden? In welcher Auflösung? Mit welchen Fahrzeugen? In diesem Sinne schlägt dieses Papier eine verstärkendes Lernen (RL)-basiertes Fahrzeugassoziation, Ressourcenzuteilung (RB) und Auswahl der Inhalte kooperativer Wahrnehmungsnachrichten vor, wobei ein auf Quadtrees basierender Punktwolkenkompressionsmechanismus genutzt wird. Simulationsergebnisse zeigen die Fähigkeit der RL-Agenten, die Assoziation der Fahrzeuge, die RB-Zuteilung und die Auswahl der Nachrichteninhalte effizient zu lernen, um die Erfüllung der Fahrzeuge in Bezug auf die erhaltenen Sensordaten zu maximieren.