对抗深度强化学习为自动驾驶汽车保驾护航

摘要

对于自动驾驶汽车（AV）而言,要想在未来的智能交通系统中以真正自主的方式运行,它必须能够处理通过大量传感器和通信链路所收集的数据.这对于减少车辆碰撞的可能性和改善道路上的车流量至关重要.然而,这种对通信和数据处理的依赖性使得AV很容易受到网络物理攻击.最近,美国弗吉尼亚理工大学电气与计算机工程系的Aidin Ferdowsi和Walid Saad教授、瑞典爱立信研究院的Ursula Challita教授,以及美国罗格斯大学的Narayan B.Mandayam教授,针对自动驾驶汽车系统中的“安全性”问题,提出了一种新型对抗深度强化学习（RL）框架,以解决自动驾驶汽车的安全性问题.