.png){kind=icon}
返回
Deep Reinforcement Learning-Based Knowledge Graph Reasoning for Autonomous Driving systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TII.2025.3649292.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
先进传感和人工智能技术的快速发展，通过提供智能路线规划决策，推动了自动驾驶（AD）系统的发展。然而，如何构建一种能够适应各种复杂驾驶场景的可解释且高效的决策方法，已成为一个重要且具有挑战性的研究课题。在本文中，基于交通规则和网络信息等异构数据构建了自动驾驶（AD）系统的知识图谱（KG）。采用结合双向长短时记忆网络和条件随机场的深度学习模型，实现了实体识别和关系提取的联合学习。为了对驾驶行为进行决策，本文引入了一个深度强化学习框架，该框架旨在对驾驶KG进行知识推理，并集成了综合奖励函数和动作丢弃机制。在实用驾驶规则数据集上与其他先进知识推理算法的实验比较验证了所提出方法的有效性和优势，整体平均精度均值超过94%。所提出方法的有效性也在模拟平台的不同道路场景（如多车道、环岛、交叉路口和直行路口）中得到验证。
Keyword:
Autonomous driving (AD) system
knowledge graph (KG) reasoning
reinforcement learning
simulation platform
期刊
IF:
9.9
论文数:
8.6K
被引数:
6.0W
机构
引用论文
Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis.png)
INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏Spatio-Temporal Knowledge Graph Based Forest Fire Prediction with Multi Source Heterogeneous Data
OAAI
OAAI分享收藏
查看更多内容