Control longitudinal de un vehículo mediante aprendizaje por refuerzo profundo

• Barreno Herrera, Felipe ^[1] ; Santos, Matilde ^[1] ; Romana, Manuel ^[1]
  1. [1] Universidad de Complutense
• Localización: XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza / coord. por José Manuel Andújar Márquez, Ramón Costa Castelló, Alejandro R. Mosteo, Vanesa Loureiro-Vázquez, Elisabet Estévez Estévez, David Muñoz de la Peña Sequedo, Carlos Vilas Fernández, Luis Enrique Montano Gella, Pedro Jesús Cabrera Santana, Raúl Marín, Eduardo Rocón de Lima, Manuel Gil Ortega Linares, Óscar Reinoso García, Luis Payá Castelló, 2023, ISBN 9788497498609, págs. 127-131
• Idioma: español
• Títulos paralelos:
  • Deep reinforcement learning vehicle longitudinal control
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta un sistema inteligente para el control longitudinal de un vehículo mediante aprendizaje por refuerzo profundo basado en la influencia de la curvatura de la carretera. El sistema inteligente consiste en un agente que usa el algoritmo de gradiente de política determinista profundo (DDPG) para controlar la velocidad. Para entrenar al agente del modelo, el efecto de la curvatura de la carretera se considera a través de la aceleración percibida obtenida a partir de la aceleración lateral y velocidad angular debida a la propia carretera. Los resultados del sistema inteligente son valores continuos de aceleración. El modelo propuesto ofrece resultados prometedores, lo que sugiere que este sistema inteligente puede ayudar al conductor y que el sistema de control del vehículo puede aplicarse a la conducción semiautónoma o autónoma haciendo que la conducción sea más segura y cómoda.

  • English

    This paper presents an intelligent system for longitudinal control of a vehicle using deep reinforcement learning based on the influence of road curvature. The intelligent system consists of an agent based on the deep deterministic policy gradient (DDPG) algorithm for speed control. To train the model agent, the road curvature effect is considered through the perceived acceleration obtained from the lateral acceleration and angular velocity due to the road itself. The results of the intelligent system are continuous acceleration values. The proposed model offers promising results, suggesting that this intelligent system can assist the driver and that the vehicle control system can be applied to semi-autonomous or autonomous driving making driving safer and more comfortable.