论文链接：https://arxiv.org/pdf/2401.04980.pdf
摘要
本文介绍了牵引挂车通过环形交叉路口的自主导航。近年来，为了提高交通安全性和效率，自动驾驶领域取得了重大进展。然而，着重于牵引挂车的研究相对较少。由于牵引挂车的物理特性和铰接接头，此类汽车需要定制的模型。当车辆转弯时，拖车的后轮以更窄的半径转弯，卡车通常必须偏离车道中心才能适应这种情况。由于缺少公开可用的模型，本项工作使用高保真的仿真软件Carla来开发卡车和拖车模型以及若干个环岛场景，以建立用于基准测试的基线数据集。我们通过一个twin-q soft actor-critic算法来训练一个准端到端的自动驾驶模型，该模型能够在不同的环形交叉路口实现73%的成功率。
主要贡献
本文的主要贡献总结如下：
1）卡车和拖车的视觉和物理模型与高保真的自动驾驶仿真软件Carla兼容；
2）本文建立了若干个环岛场景的数据集，这可以用作基准测试的基线；
3）本文搭建了一个强化学习环境，其利用了车辆和路线信息以及转向控制行为；
4）本文通过一个twin-q soft actor-critic算法来训练一个准端到端的自动驾驶模型，初步的结果实现了73%的成功率。
论文图片和表格
总结
在本项工作中，我们开发了一个准端到端系统，用于牵引挂车通过环形交叉路口的自主导航。作为铰接式车辆，拖车后轮的转弯半径比卡车前轮的转弯半径更小，因此卡车必须偏离车道中心，以避免拖车与环岛路缘发生碰撞。通过转向行为，PID控制器维持恒定的速度，并且使用twin-q soft actor-critic算法实现了73%的成功率。在物理特性与训练所用不同的环岛场景下进行测试，本文开发的模型实现了类似人类的行为，其中开车尽可能靠近车道中心。此外，当任务为解决转弯半径更小的路线时，智能体能够正确地感知到这一点，并且充分偏离车道中心。
由于此类研究工作相对较少，这限制了我们与其它最先进的解决方案进行比较。因此，未来的研究可以采取不同的途径，例如更尖锐的转弯（90°和U形弯），以进一步研究该领域。引入交通将测试与其它车辆的正确协作，这些车辆可能具有不同的物理特性，因此表现不同。此外，由于这种铰接式车辆可能占用一条以上的车道，因此需要对周围车辆进行额外关注。
发表回复