机械工程学报

作者：姚福星, 李浩宇, 冷江昊, 杨雄基, 孙超

单位：1. 北京理工大学机械与车辆学院 北京 100081;2. 北京理工大学深圳汽车研究院 深圳 518057

关键词：自动驾驶,多专家学习方法,自主换道决策；

基金：面向智能汽车的数字路网关键技术研究与应用示范(2023B0909040001); 面向智能网联运营管理的车路云一体化数据底座关键技术与应用示范(KJZD20231023100304010)资助项目。

高速公路环境下自动驾驶汽车的自主换道决策过程对驾驶安全性与效率有很高要求，导致基于学习的决策算法训练耗时显著增加。研究提出一种多专家学习换道决策方法(Multi-experts learning method,MELM)，该方法集成多个软演员评论家算法(Soft actor-critic,SAC)训练的专家模型，每个专家在预先划分的不同子场景约束条件下进行训练。子场景根据原始高速公路的换道特征定义，各专家在其对应子场景中控制车辆，并通过场景分类器识别当前子场景进行集成。相较于单一SAC模型，MELM能够显著降低SAC训练难度，使模型训练时间减少62.19%。仿真实验结果表明：在典型驾驶场景下MELM相比单一SAC模型驾驶效率提高27.06%，且在100回合测试(约10万步)中达成零碰撞与零出界事故的优秀安全性能。此外，通过不同道路条件设置下的仿真试验场景验证了MELM的高适应性。

来源：2025年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第22期