基于GA-TD3算法的交叉路口决策模型

为了解决交叉路口场景下无人驾驶决策模型成功率低、模型不稳定、车辆通行效率低的问题,从两个方面对TD3算法作出改进,提出了基于GA-TD3算法的交叉路口决策模型。首先引入记忆模块,使用GRU神经网络来提升决策模型的成功率;其次在状态空间引入社会注意力机制,更加关注与社会车辆的交互行为,保证模型稳定性的同时提升车辆的通行效率。采用CARLA仿真器进行20000回合的模型训练后,TD3算法通过路口的成功率为92.4%,GA-TD3算法的成功率为97.6%,且车辆的通行时间缩短了3.36 s。GA-TD3算法模型在学习效率和通行效率上均有所提升,可用于缓解城市中的交通压力,提高驾驶效率。

智能机器伦理决策设计研究综述

为了解决机器伦理决策困境,分析智能机器伦理决策设计的研究现状,对机器伦理决策设计方法进行分类总结。对基于规则推理和基于神经科学不同的伦理决策设计实现方式及优缺点进行了对比分析,并对现阶段无人驾驶伦理决策研究现状进行了归纳分析,最后总结了现阶段机器伦理决策的研究水平。基于上述分析研究,总结得出了解决机器伦理决策困境的技术难点有:机器伦理道德地位的确立、普适机器伦理决策、机器伦理决策评估。提出了未来研究方向:将人类道德规范应用到机器伦理决策设计中,运用机器学习实现伦理决策设计,利用法律及行业标准规范来实现机器伦理决策设计。为机器伦理决策及无人驾驶伦理决策的设计提供参考。