自动驾驶

RAD-LAD: Rule and Language Grounded Autonomous Driving in Real-Time

基于规则和语言的实时自动驾驶：RAD-LAD

Anurag Ghosh, Srinivasa Narasimhan, Manmohan Chandraker, Francesco Pittaluga

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NEC Labs America（NEC美国实验室） ； UC San Diego（加州大学圣迭戈分校） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出RAD-LAD，结合规则和语言的实时自动驾驶系统，通过中断架构实现高效路径规划与文本推理，提升自动驾驶性能与可解释性。

Where to Look Next: Learning Viewpoint Recommendations for Informative Trajectory Planning

下一步在哪里寻找：为信息轨迹规划学习视角推荐

Max Lodel, Bruno Brito, Álvaro Serra-Gómez, Laura Ferranti, Robert Babuška, Javier Alonso-Mora

机构 * Delft University of Technology（代尔夫特理工大学） ； Czech Technical University in Prague（捷克理工大学） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 本文提出一种基于深度强化学习的信息感知策略，用于指导递推时间 horizon轨迹优化规划器，以在动态可行且无碰撞的轨迹中最大化信息增益并减少环境不确定性。

Comments accepted to ICRA2022

Journal ref 2022 International Conference on Robotics and Automation (ICRA)

Context-Triggered Contingency Games for Strategic Multi-Agent Interaction

基于情境触发的应急游戏用于战略多智能体交互

Kilian Schweppe, Anne-Kathrin Schmuck

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出基于时序逻辑规范的战略游戏与实时动态应急游戏结合的新型框架，通过双层架构和因子图求解器实现多智能体在不确定环境中的安全与进步。

Neuro-Cognitive Reward Modeling for Human-Centered Autonomous Vehicle Control

神经认知奖励建模用于以人为中心的自动驾驶控制

Zhuoli Zhuang, Yu-Cheng Chang, Yu-Kai Wang, Thomas Do, Chin-Teng Lin

机构 * University of Technology Sydney（悉尼科技大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出基于EEG的决策框架，将人类认知信息整合到强化学习中，提升自动驾驶的避障能力。

Asymptotically Optimal Policies for Weakly Coupled Markov Decision Processes

弱耦合马尔可夫决策过程的渐近最优策略

Diego Goldsztajn, Konstantin Avrachenkov

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了通过n个弱耦合马尔可夫决策过程在无限时间范围内最大化期望平均奖励的问题，提出了一种将问题与确定性连续变量控制问题联系起来的方法，并给出了在n趋于无穷时实现最大期望平均奖励的策略构造方法。

Comments Accepted at the Journal of Applied Probability, 40 pages, 4 figures