详细内容或原文请订阅后点击阅览
扩大加固学习以进行流量平滑：100 av高速公路部署
通过增强学习的培训扩散模型我们部署了100辆加固学习（RL）控制的汽车，进入高速公路的高速公路交通，以使拥挤并减少每个人的燃油消耗。我们的目标是应对“停下来”的波浪，那些令人沮丧的放缓和速度通常没有明确原因，但导致拥挤和大量的能源浪费。为了培训有效的流动式光滑控制器，我们建立了快速，数据驱动的模拟，该模拟与RL代理相互作用，学习以最大程度地提高能源效率，同时保持吞吐量并安全地围绕人驾驶员进行安全操作。总体而言，一小部分控制的自动驾驶汽车（AV）足以显着提高道路上所有驾驶员的交通流量和燃油效率。此外，训练有素的控制器旨在在大多数现代车辆上部署，以分散的方式运行并依靠标准的雷达传感器。在我们的最新论文中，我们探讨了在这100辆车实验中，从模拟到现场的大规模部署RL控制器的挑战。幻影JAMSA停下来的挑战在高速公路上通过高速公路交通向后移动。如果您驾驶的是，您肯定会经历了停车浪潮的挫败感，那么这些障碍似乎不断降低了，这些障碍会逐渐消失，并且出现了不足的范围。这些波通常是由于我们的驾驶行为中的微小波动引起的，这些波动通过交通流量而放大。我们自然而然地
来源:BAIR