【技术实现步骤摘要】
本专利技术涉及自动驾驶，特别是涉及一种基于动作约束的无人系统安全决策方法、系统及介质。
技术介绍
1、深度强化学习是无人系统通过与环境交互并不断试错，能够根据环境的反馈学习到使累计奖励期望最大的策略。但是在实际探索过程中，无人系统会采取许多不安全的动作，如与墙壁发生碰撞或自身方向快速变化等。虽然在仿真环境中，这些行为不会引起严重的后果，但如果是在现实环境中，不安全的动作可能对环境与无人系统均造成不可逆的损伤。因此，无人系统在现实环境中决策时，需要尽量限制和避免这些不安全的动作。
2、在传统的深度强化学习中，解决安全性问题的方法包括：设置负奖励、限制动作空间、将不安全的状态或动作设计为终止状态等。这些方法虽然能够避免无人系统做出某些不安全的动作，但是很难彻底解决安全性问题。例如：当负奖励设置过小时，无人系统会为了完成任务而忽视惩罚；当负奖励设置过大时，无人系统会为了避免受到惩罚而采取极为保守的策略；当限制动作空间时，可能会降低无人系统的决策能力，导致不能收敛到最优解。因此，传统的深度强化学习方法并不能很好的实现任务成功率和安全
【技术保护点】
1.一种基于动作约束的无人系统安全决策方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，获取历史训练样本，具体包括：
3.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，利用权重更新公式对每个所述辅助价值评估网络进行训练优化，具体包括：
4.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，所述策略梯度算法的计算公式为：
5.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，所述损失函数为：
6.根...
【技术特征摘要】
1.一种基于动作约束的无人系统安全决策方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，获取历史训练样本，具体包括：
3.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，利用权重更新公式对每个所述辅助价值评估网络进行训练优化，具体包括：
4.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，所述策略梯度算法的计算公式为：
5.根据权利要求1所述的基于动作约束的无人系统安全决策方法，其特征在于，所述损失函数为：
6.根据...
【专利技术属性】
技术研发人员：骆祥峰，谢少荣，王欣芝，李洋，李玉峰，霍宏斌，
申请(专利权)人：上海大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。