arXiv cs.AI· Hooman Hamze, Benjamin Houshmand, Deepthi Pathare, Erik B\"orve, Morteza Haghir Chehreghani, Nikolce Murgovski·· 13 小时前AI 评分26
用学习式终端代价实现自动驾驶卡车短时域模型预测控制
Learned Terminal Costs for Short-Horizon Model Predictive Control of Autonomous Trucks in Interactive Highway Traffic
AI 导读
研究提出一种 MPC 与强化学习混合框架，用于重型自动驾驶卡车在交互式高速公路交通中的行驶控制：由动态规划求解的有限时域 MPC 使用预训练 RL 模型估计终端代价。在含反应式周围交通的仿真环境中，该混合方法实现零碰撞，且代价在所有对比配置中最低，优于零终端代价的纯 MPC、基于基础策略的 rollout 终端代价估计以及纯 RL。
正文 · AI 翻译
摘要：重型卡车的自主高速公路驾驶是一个具有挑战性的控制问题。更大的质量、尺寸和复杂的动力学提高了关键机动中对周围交通协同的要求，需要在安全约束与高效的长时域决策之间取得谨慎平衡。模型预测控制（MPC）提供严格的约束满足，但依赖终端代价，这可能限制其在短且计算可承受时域上的有效性。强化学习（RL）能够捕捉长期驾驶行为，但不提供约束保证，并且在稀疏碰撞惩罚下训练时倾向于过于保守的策略。本文提出了一种用于自主卡车高速公路驾驶的 MPC 与 RL 混合框架，其中通过动态规划求解的有限时域 MPC 使用预训练的 RL 模型进行终端代价估计。我们在具有反应性周围交通的仿真环境中评估该框架，并将其与零终端代价的纯 MPC、使用基础策略进行终端代价估计的 rollout 以及纯 RL 进行比较。结果表明，混合方法实现了零碰撞，并且是所有配置中代价最低的。
| 评论： | 13 页，2 幅图，8 张表 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；机器人学（cs.RO）；系统与控制（eess.SY） |
| ACM 分类： | I.2.6；I.2.8 |
| 引用为： | arXiv:2610.40257 [cs.LG] |
| （或此版本的 arXiv:2610.40257v1 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2610.40257 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Benjamin Houshmand [查看电子邮件]
[v1]
2026 年 10 月 29 日星期四 15:23:51 UTC（1,155 KB）
来源：arXiv cs.AI · arxiv.org