偏好条件多目标强化学习用于重型车决策

Deepthi Pathare 等提出一种偏好条件化的多目标强化学习框架，用于重型车辆战术决策，用 Generalized Policy Improvement 和 Proximal Policy Optimization 学习捕捉不同权衡的策略，近似碰撞与成功完成等安全目标、能耗成本、司机成本这三个冲突目标的 Pareto front。 论文称，偏好条件化的策略可在不同驾驶行为之间切换而无需重新训练，展示了多目标强化学习用于自动驾驶重型车辆自适应决策的潜力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。