Aprendizado por reforço multiagente para condução autônoma em zonas de tráfego com interseções não sinalizadas

Neste trabalho, apresentamos uma abordagem de aprendizado profundo por reforço multiagente para veículos de condução autônoma que é capaz de operar em redes de tráfego com interseções não sinalizadas. Os principais aspectos do estudo proposto são a introdução de agentes de rota como o principal bloco de construção do sistema, bem como um termo de colisão que permite a cooperação entre veículos e a construção de uma função de recompensa eficiente. Estes têm a vantagem de estabelecer um esquema de aprendizado profundo por reforço multiagente colaborativo avançado que consegue controlar múltiplos veículos e navegá-los de forma segura e economicamente eficiente até seu destino. Além disso, fornece a flexibilidade benéfica para estabelecer uma plataforma para aprendizado de transferência e reutilização de conhecimento das políticas dos agentes ao lidar com cenários de tráfego desconhecidos. Fornecemos vários resultados experimentais em redes de tráfego rodoviário simuladas de complexidade variável e características diversas usando o ambiente SUMO que ilustram empiricamente a eficiência da estrutura multiagente proposta.