自主系统中用于行为预测的基于模型的增强学习及应用

摘要

在各种示例中，增强学习被用于训练至少一个机器学习模型(MLM)以通过借助在真实世界数据上训练的深度神经网络(DNN)，通过使用模仿学习来预测一个或更多个活动者的移动以定义世界模型，从而来控制车辆。DNN可以从真实世界数据中被训练以从输入属性中预测活动者的属性，例如位置和/或移动。预测可以定义在模拟器中的环境的状态，并且输入到DNN中的一个或更多个活动者的一个或更多个属性可以被模拟器修改或控制以模拟可能在其他情况下不可行的条件。MLM可以借助由DNN做出的预测来预测车辆的一个或更多个动作。