强化学习自动驾驶论文阅读（四）_十字路口强化学习决策-CSDN博客

本文探讨了在自动驾驶领域中，利用贝叶斯强化学习（Bayesian reinforcement learning）来评估决策的不确定性，特别是在交叉路口的战术决策。通过与DDQN算法比较，该方法在模拟十字路口自动驾驶中表现出优势，能够有效地减少碰撞。文章提出了使用ensemble RPF模型估计Q值分布，以评估推荐行动的不确定性，并为agent提供决策的置信度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（一）paper传送门

Reinforcement Learning with Uncertainty Estimation for Tactical Decision-Making in Intersections

（二）背景知识

强化学习（RL）-------------------------------《Reinforcement Learning：An Introduction》第二版
Double DQN （DDQN）----------------------https://zhuanlan.zhihu.com/p/97853300
随机先验函数（RPF）------------------------https://zhuanlan.zhihu.com/p/106394048
Bootstrapped DQN -----------------------------https://zhuanlan.zhihu.com/p/78273736
贝叶斯方法 ---------------------------------------https://blog.csdn.net/v_july_v/article/details/40984699

（三）摘要

本文利用贝叶斯强化学习，赋予智能体评估模型推荐的行动的能力，通过模拟十字交叉路口自动驾驶，与DDQN算法比较，该方法具有优势。其实就是，本文通过自举经验回放训练了一个ensemble RPF模型，估计Q值的分布，然后使用Q值的分布来估计推荐行动的不确定性，同时也提供agent采取决策的置信度，因此，利用不确定性信息选择未知情况下的安全动作，可以有效消除training distribution内的所有碰撞，以及training distribution外的大部分碰撞。为了方便理解，可以思考一个问题：如果我们将agent放在高速路上训练，测试的时候放在agent从未遇到的十字路口的时候，agent会根据输入的状态帧输出动作吗？答案是：会。这是一个很严重的问题，因此我们必须要让agent能对自己的动作做出评估才行，贝叶斯概率理论正好能一定程度解决这事。（不确定性的重要性可以看Bootstrapped DQN那篇博客）

（四）内容

1 问题

自动驾驶过程是很复杂的，依赖手动预测所有可能情况是不可能的，因此RL作为一种可以从经验轨迹学习的end-to-end方法逐渐被应用到自动驾驶领域，但是传统的RL，agent无法评估决策的不确定性。尽管，目前一些RL研究基于贝叶斯概率理论来评估不确定性，但是侧重于对探索进行优化，并没有提供agent采取决策的