Naviguer dans des intersections obstruées avec des véhicules autonomes en utilisant l'apprentissage profond par renforcement

Fournir une stratégie efficace pour naviguer en toute sécurité à travers des intersections non signalées est une tâche difficile qui nécessite de déterminer l'intention des autres conducteurs. Nous explorons l'efficacité de l'apprentissage profond par renforcement pour traiter les problèmes d'intersection. En utilisant les récentes avancées en apprentissage profond, nous sommes capables d'apprendre des politiques qui dépassent la performance d'une approche heuristique couramment utilisée sur plusieurs critères, y compris le temps de complétion des tâches et le taux de réussite des objectifs, et ont une capacité limitée à se généraliser. Nous explorons ensuite la capacité d'un système à apprendre des comportements de détection active pour permettre de naviguer en toute sécurité en cas d'obscurcissements. Notre analyse fournit un aperçu du problème de gestion des intersections, les solutions apprises par le réseau soulignent plusieurs lacunes des méthodes actuelles basées sur des règles, et les échecs de notre système d'apprentissage profond par renforcement actuel pointent vers des orientations de recherche futures.