实体
Simulation of Urban MObility (SUMO)
Simulation of Urban MObility (SUMO)
PulseAugur coverage of Simulation of Urban MObility (SUMO) — every cluster mentioning Simulation of Urban MObility (SUMO) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究探索深度强化学习在混合交通中安全网联自动驾驶车辆编队加入
一篇新研究论文提出了一个仿真框架，用于评估深度强化学习（DRL）算法在混合交通中网联自动驾驶车辆（CAV）编队加入操作。研究比较了深度Q网络（DQN）、双深度Q网络（DDQN）和近端策略优化（PPO），发现在其奖励函数中加入风险惩罚后，PPO的成功率达到98%，碰撞率低于1%。研究还强调了安全性、效率和决策速度之间的权衡，并指出外部安全控制器可以防止碰撞，但可能会降低整体效率。
-
新的强化学习框架解决了自动驾驶中的通信延迟问题
研究人员开发了DAROM，一个新颖的延迟感知强化学习框架，旨在改善高速公路匝道汇入场景下的自动驾驶控制。该框架专门解决了车辆到基础设施（V2I）系统中固有的随机通信延迟带来的挑战，这些延迟会降低标准强化学习代理的性能。DAROM利用延迟感知编码器来推断当前状态，即使在信息延迟和部分可观察的情况下，并结合了基于物理的安全控制器来降低碰撞风险。在SUMO模拟器中使用NGSIM数据集的实验表明，DAROM的性能显著优于现有的强化学习基线，在…