《自动驾驶中的多智能体强化学习》综述

文章预览

强化学习（RL）是一种强大的序列决策工具，在许多具有挑战性的现实任务中取得了超越人类能力的表现。作为RL在多智能体系统领域的扩展，多智能体强化学习（MARL）不仅需要学习控制策略，还需要考虑与环境中其他所有智能体的交互、不同系统组件之间的相互影响以及计算资源的分配。这增加了算法设计的复杂性，并对计算资源提出了更高的要求。同时，模拟器对于获取现实数据至关重要，这是RL的基础。 在本文中，我们首先提出了一系列模拟器的指标，并总结了现有基准测试的特征。其次，为了便于理解，我们回顾了基础知识，并综合了最近与MARL相关的自动驾驶和智能交通系统的研究进展 。具体而言，我们考察了它们的环境建模、状态表示、感知单元和算法设计。最后，我们讨论了当前面临的挑战以及未来的前景和机会。我们希望本文能够 ………………………………