arXiv cs.AI· Deepthi Pathare, Leo Laine, Morteza Haghir Chehreghani·· 6 天前AI 评分20
偏好条件多目标强化学习用于重型车辆战术决策
Preference-Conditioned Multi-Objective Reinforcement Learning for Tactical Decision Making in Heavy-Duty Vehicles
AI 导读
研究提出一种偏好条件多目标强化学习框架，结合广义策略改进与PPO，为重型卡车在安全、能耗与时间效率三个冲突目标间学习不同权衡策略。该方法在可扩展的高速公路交通仿真中生成平滑可解释的Pareto前沿，跨交通密度及对比解析基线的评估显示策略捕捉到有意义的权衡，且无需重新训练即可切换驾驶行为。
正文 · AI 翻译
摘要：将强化学习应用于自动驾驶等现实世界应用的一个核心困难在于，通过聚合多个往往相互竞争的目标而得到的传统标量奖励公式，可能会掩盖其权衡结构。这些挑战对于重型车辆的决策尤为相关，因为重型车辆需要在严苛的商业要求下平衡安全性、效率和运营成本。我们提出了一个偏好条件化的多目标强化学习框架，该框架显式地表示这些目标，并利用广义策略改进和近端策略优化来学习捕捉它们之间不同权衡的策略。所提方法在三个相互冲突的目标上逼近帕累托前沿：安全性，以碰撞和成功完成来量化；能源效率，以能源成本来量化；时间效率，以驾驶员成本来量化。我们在一个为重型卡车战术决策量身定制的可扩展高速公路交通仿真环境中评估该框架。它产生了平滑且可解释的帕累托前沿，并且跨交通密度的评估以及与分析基线的对比表明，学习到的策略捕捉到了有意义的权衡。偏好条件化策略无需重新训练即可在不同驾驶行为之间切换，展示了多目标强化学习在自动驾驶重型车辆自适应决策中的潜力。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；系统与控制（eess.SY） |
| 引用为： | arXiv:2601.18783 [cs.LG] |
| （或 arXiv:2601.18783v3 [cs.LG] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2601.18783 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Deepthi Pathare [查看电子邮件]
[v1]
2026年1月26日星期一 18:50:21 UTC（360 KB）
[v2]
2026年6月1日星期一 08:59:51 UTC（437 KB）
[v3]
2026年10月9日星期五 13:22:43 UTC（459 KB）
来源：arXiv cs.AI · arxiv.org